제한 예산의 trust-region step을 반환 상태보다 목적값으로 승인하기
rank-deficient 하위 문제의 가능한 내부 해와 반환 step을 원래 목적함수로 비교한다.
수렴 여부 앞의 하위 문제
반환 step의 모델 목적값과 독립적으로 가능한 내부 해를 비교해야 평가 예산 낭비를 단순 미수렴으로 오해하지 않는다. 기본 설정에서 끝내 수렴한 계산도 제한된 실행 예산에서는 쓸 수 없을 수 있다. step의 길이만 보고 경계에 있다는 이유로 옳거나 틀리다고 판단하지 않는다. Truthound의 비교 입력도 외부에서 재계산한 모델 비용과 가능한 기준 후보의 비용으로 정한다. [1, 2, 3]
기본 예산과 제한 예산을 구분한 보고
SciPy #26416은 trf exact trust-region의 rank-deficient 선형 문제에서 불필요한 경계 step과 음의 LM 모수가 유한 평가 예산을 소모한다고 보고한다. 기본 예산에서는 예제가 수렴한다고 구분한다. 원문은 rank-deficient 문제의 경계 해가 언제나 틀리지는 않으며 모델 목적값이 오류의 근거라고 설명한다. 이 글도 모든 경계 step을 거절하는 정책을 제안하지 않는다. [1]
가능한 기준 후보를 먼저 검증한다
최적화 담당자는 J·f·trust radius와 반환 step을 보존하고 원래 q(p)를 독립 재계산한다. 더 나쁜 step에 예산을 쓰는 경로는 보류하고 solver·예산 대안을 검토한다. 원래 하위 문제의 J·f·radius를 고정하고 실제 step의 비용·가능성을 외부에서 계산한다. 독립 기준 후보의 norm도 확인한다. [1, 3]
목적값 0의 독립 근거
설명용 J=diag(1,0), f=(-0.001,0), radius=1에서 p=(0.001,0)은 q=0이고 radius 안이다. p=(1,0)의 q=0.4990005는 같은 목적의 기준보다 크다. 반환 후보의 비용이 0이면 독립 기준 0 이하라 통과한다. 0.4990005이면 더 큰 비용이므로 실패한다. 가능한 기준 후보의 norm과 원래 식을 함께 확인한 비교다. [1, 3]
비용 대사가 최적화는 아니다
Truthound Python SDK 3.3.2의 ColumnPairValidator는 외부에서 계산한 returned_model_cost와 independently_feasible_cost를 <=로 비교한다. J·f·radius와 후보의 가능성 검증은 운영자가 제공한다. Core는 준비한 비용 쌍을 비교하며 least_squares나 trust-region을 풀지 않는다. 합격은 전체 비선형 모형의 최적성·수렴 보증이 아니다. [1, 2, 3]
대안의 평가 예산까지 비교한다
검증된 다른 trust solver와 목적·평가 예산을 비교하고 제약·rank 조건을 유지한 잔차 시험을 수행한다. 동일 조건의 subproblem_id, returned_model_cost, independently_feasible_cost 표를 이미 독립 기준과 대사한다면 추가 검사의 이점은 작다. [1, 3]
적용 조건
같은 J·f·radius에서 실제 후보와 독립 기준 후보의 비용·가능성을 외부 검증한다.
대안
검증된 다른 trust solver를 같은 제약·rank 조건·평가 예산에서 비교한다.
한계
비용 비교 통과는 비선형 문제 전체의 최적성이나 수렴을 보증하지 않는다.
근거
- 사건 확인일
- 대상 확인일
- 수정일
