Metode Quasi Newton untuk Optimisasi Nonlinear

Video ini membahas metode Quasi-Newton untuk optimisasi nonlinear. Metode ini merupakan kompromi antara kecepatan metode Exact Newton dan biaya rendah metode steepest descent. Dengan pendekatan tanpa menghitung hessian, Quasi-Newton mencari matriks B yang mendekati inverse dari hessian untuk digunakan dalam iterasi. Terdapat beberapa metode update B yang direkomendasikan, di antaranya SR1, DFP, dan DFGS. Meskipun Quasi-Newton kalah dari Exact Newton dalam laju konvergensi, namun lebih cepat daripada steepest descent dengan biaya yang lebih optimal. Metode ini memiliki konvergensi super linear, mendekati Newton yang kuadratik, dan cocok untuk optimisasi unconstraint sebelum beralih ke persoalan constraint.