［求助］请高手指点
最近在用最小二乘法，来逆合几个重叠峰（高斯型）问题时．涉及到无约束最优化问题，就是用最优化方法求出几个重叠峰的各参数问题．（类似于origin中的分峰软件功能）．问题如下：（１）编写了共轭梯度法，修正牛顿法，拟牛顿法．
共轭梯度法：虽然简单，条件要求不高，但其速度还是慢了点
牛顿方法型：速度还可以，对初始点要求苛刻了点，弄不好就得不到正确解
关键是上述这些方法共同缺点：经常会收敛到局部极小点而非全局极值点，如何克服或者改进此问题？据说蒙特卡罗法跳出局部最忧解的能力很强，可是不知道咋用？高手给点指点或者建议，先谢了！！
（２）我做的是一个嵌入式系统的数据后期处理软件，也就是给定初始点后，尽量能得到正确结果．这期间没办法人为干预，不像在ＰＣ机上的这种软件，初始点不合适，可以再重新输入．有没有什么好方法对初始点要求很低，且收敛速度够快？请明白这方面或者做过此方面工作的大虾给点宝贵建议！！
[ 本帖最后由 风花雪月 于 2006-11-14 19:32 编辑 ] 共轭梯度法、牛顿方法出现楼主所说的情况是个必然，方法的缺陷
蒙特卡罗法是一种比较好的解决办法，论坛由很多这方面的资料
比如：
http://forum.vibunion.com/forum/thread-1631-1-1.html
http://forum.vibunion.com/forum/thread-1917-1-1.html
http://forum.vibunion.com/forum/thread-4956-1-1.html
当然还有一个简化Monte-Carlo模拟的C++工具包
http://forum.vibunion.com/forum/thread-29261-1-1.html
除了这些在ftp上估计还会有一些资料
对于第2个问题，个人认为应该还可以才用模拟退火算法、或者遗传算法之类的，不过对于这些算法很少见到有运用于成熟的软件中的
[ 本帖最后由 风花雪月 于 2006-11-14 19:53 编辑 ] 谢谢！！斑竹:@):@)
页:
[1]