The conjugate gradient method also

The conjugate gradient method also uses the first derivatives of the potential energy. But instead of local gradient for downhill as in the steepest descent method, the conjugate gradient technique define the new gradient direction for each iteration by using information from previous gradient directions to determine the optimum direction for the line search. It is considered to select a successive search direction in order to eliminate repeated minimization along the same direction. This made the method more efficient and gives smaller number of iterations to reach the convergence, comparing to the steepest descent method. The conjugate gradient method is displayed in Figure 3.4.
Generally, this method converges in approximately M steps for a quadratic function, where M is the number of degrees of freedom of the function. Note that several terms in the potential energy are quadratic. Nevertheless, the disadvantage is that the line minimizations need to be performed accurately in order to ensure that the conjugate direction is set up correctly and thus time consuming. In addition, the method can be unstable if conformation is so far away from a local minimum.

ผลลัพธ์ (ไทย) 1:

วิธีการไล่โทนสีการ conjugate ยังใช้อนุพันธ์แรกของพลังงานศักย์ แต่แทนที่จะไล่ระดับท้องถิ่นสำหรับสคันในวิธีโคตร steepest เทคนิคไล่ระดับ conjugate กำหนดทิศทางใหม่ไล่ระดับสำหรับการเกิดซ้ำแต่ละ โดยใช้ข้อมูลจากทิศไล่ระดับก่อนหน้าในการกำหนดทิศทางที่เหมาะสมสำหรับการค้นหาบรรทัด ก็ถือว่าการเลือกทิศทางการค้นหาต่อเนื่องเพื่อกำจัดลดภาระซ้ำตามทิศทางเดียวกัน นี้ทำวิธีมีประสิทธิภาพมากขึ้น และทำให้จำนวนการเกิดซ้ำถึงการบรรจบกัน เปรียบเทียบกับวิธี steepest โคตรเล็ก วิธีการไล่โทนสีการ conjugate จะแสดงในรูป 3.4.
ทั่วไป วิธีการนี้ converges ประมาณ M ขั้นตอนสำหรับฟังก์ชันกำลังสอง โดยที่ M คือ จำนวนองศาความเป็นอิสระของการทำงาน หมายเหตุพลังงานศักย์หลายคำกำลังสอง อย่างไรก็ตาม ข้อเสียคือ ว่า minimizations บรรทัดจำเป็นต้องปฏิบัติอย่างถูกต้องเพื่อให้แน่ใจว่า การ conjugate ทิศทางถูกกำหนดค่าอย่างถูกต้อง และทำใช้เวลานาน นอกจากนี้ วิธีการอาจไม่เสถียรถ้า conformation เพื่อให้ห่างไกลจากท้องถิ่นอย่างน้อยได้

ผลลัพธ์ (ไทย) 2:

วิธีการไล่ระดับสีผันยังใช้อนุพันธ์แรกของพลังงานที่มีศักยภาพ แต่แทนที่จะลาดท้องถิ่นสำหรับการตกต่ำในขณะที่วิธีโคตรลาดชัน, เทคนิคการไล่ระดับสีผันกำหนดทิศทางการไล่ระดับสีใหม่สำหรับแต่ละซ้ำโดยใช้ข้อมูลจากทิศทางการไล่ระดับก่อนหน้านี้เพื่อกำหนดทิศทางที่เหมาะสมสำหรับการค้นหาบรรทัด ก็ถือว่าเลือกทิศทางการค้นหาต่อเนื่องเพื่อกำจัดลดซ้ำไปในทิศทางเดียวกัน นี้ทำให้วิธีการที่มีประสิทธิภาพมากขึ้นและช่วยให้ขนาดเล็กจำนวนมากของการแสดงที่จะไปถึงการบรรจบกันเมื่อเทียบกับวิธีโคตรลาดชัน วิธีการผันลาดจะปรากฏในรูปที่ 3.4
โดยทั่วไปวิธีนี้ลู่ในขั้นตอนประมาณ M สำหรับฟังก์ชั่นสมการกำลังสองที่ M คือจำนวนองศาอิสระของการทำงาน โปรดทราบว่าในหลายแง่พลังงานที่มีศักยภาพเป็นกำลังสอง แต่ข้อเสียคือว่า minimizations เส้นจะต้องมีการดำเนินการอย่างถูกต้องในการสั่งซื้อเพื่อให้แน่ใจว่าทิศทางผันถูกตั้งขึ้นอย่างถูกต้องและทำให้เสียเวลา นอกจากนี้วิธีการที่สามารถไม่เสถียรถ้าโครงสร้างเพื่อให้ห่างไกลจากขั้นต่ำในท้องถิ่น

ผลลัพธ์ (ไทย) 3:

คู่สีวิธีการใช้อนุพันธ์แรกของพลังงานศักย์ แต่แทนที่จะไล่ระดับท้องถิ่นสำหรับแล่นในวิธีโคตรสูงชัน , ผันลาดเทคนิคกําหนดทิศทางใหม่สำหรับแต่ละการทำซ้ำโดยใช้ข้อมูลจากก่อนหน้านี้ลาดเส้นทางเพื่อกำหนดทิศทางที่เหมาะสมสำหรับการค้นหาบรรทัดมันคือการพิจารณาเลือกทิศทางค้นหาต่อเนื่องเพื่อขจัดการซ้ำตามทิศทางเดียวกัน นี้ให้วิธีที่มีประสิทธิภาพมากขึ้นและช่วยให้ตัวเลขขนาดเล็กของการทำซ้ำไปบรรจบกัน เปรียบเทียบกับวิธีโคตรสูงชัน . คู่สีเป็นวิธีที่แสดงในรูปที่ 3.4 .
โดยทั่วไปวิธีนี้หาประมาณ M ขั้นตอนสำหรับฟังก์ชันกำลังสองที่เป็นจำนวนองศาความอิสระของฟังก์ชัน ทราบว่าหลายแง่ในพลังงานศักย์เป็นกำลังสอง . แต่ข้อเสียคือ สาย minimizations ต้องปฏิบัติถูกต้องในการสั่งซื้อเพื่อให้แน่ใจว่าทิศทางผันตั้งขึ้นอย่างถูกต้องและทำให้เสียเวลา นอกจากนี้วิธีสามารถสั่นคลอน ถ้าโครงสร้างเป็นห่างไกลจากขั้นต่ำในท้องถิ่น .