GRADIENT DESCENT (ASCENT)
Gradient descent (ascent) adalah algoritma
optimasi orde pertama.
Untuk menemukan minimum lokal dari fungsi
menggunakan gradien descent, diambil langkah sebanding dengan negatif dari gradien (atau
perkiraan gradien) dari fungsi pada titik sekarang.
Jika diambil langkah sebanding dengan gradien
positif, maka akan didapatkan maksimum lokal fungsi tersebut; prosedur ini kemudian dikenal sebagai gradient ascent
Gradient descent juga dikenal sebagai steepest
ALGORITMA (MAKSIMISASI)
Mulai dari titik awal v
0
Bergerak dari v0 ke v1 dengan arah f(v0) :
v1 = v0 + t0 f(v0)
dengan t0 adalah solusi dari masalah optimisasi berikut:
max f(v0 + t0 f(v0) ) s.t t0 ≥ 0
Langkah – langkah tersebut diulangi sampai
ALGORITMA (MINIMISASI)
Mulai dari titik awal v
0
Bergerak dari v0 ke v1 dengan arah f(v0) :
v1 = v0 t0 f(v0)
dengan t0 adalah solusi dari masalah optimisasi berikut:
min f(v0 t0 f(v0) ) s.t t0 ≥ 0
Langkah – langkah tersebut diulangi sampai
CONTOH SOAL
Gunakan metode steepest ascent untuk aproksimasi solusi dari
s.t
Dengan titik awal v0 = (1,1)
Jawab: f(x1, x2) = (– 2(x1 – 3), – 2(x2 – 2)) f(v0) = f(1,1) = (4,2)
Pilih t0 yang memaksimumkan
f(v0 + t0 f(v0) ) max f[(1,1)+t0(4,2)] max f[1+4t0 , 1+2t0]
f ‘(t0)=0 2(2+4t0)4 2(1+2t0)2 = 0 20 – 40 t0 = 0
t0 = 0.5
v1 = [(1,1)+0.5(4,2)] = (3,2)
Karena f(3, 2) = (0,0) maka iterasi dihentikan Karena f(x1, x2) adalah fungsi konkaf, maka (3,2) adalah solusi yang dicari
SOAL SOAL
1. Gunakan metode gradient ascent untuk
menduga solusi optimal dari
mulai dari titik awal (2.5, 1.5)
2. Gunakan metode gradient descent untuk menduga solusi optimal dari