Gauss-Newton算法是解决非线性最优问题的常见算法之一，最近研读开源项目代码，又碰到了，索性深入看下。本次讲解内容如下：
基本数学名词识记
牛顿法推导、算法步骤、计算实例
高斯牛顿法推导(如何从牛顿法派生)、算法步骤、编程实例
高斯牛顿法优劣总结
一、基本概念定义
1.非线性方程定义及最优化方法简述
指因变量与自变量之间的关系不是线性的关系，比如平方关系、对数关系、指数关系、三角函数关系等等。对于此类方程，求解n元实函数f在整个n维向量空间Rn上的最优值点往往很难得到精确解，经常需要求近似解问题。
求解该最优化问题的方法大多是逐次一维搜索的迭代算法，基本思想是在一个近似点处选定一个有利于搜索方向，沿这个方向进行一维搜索，得到新的近似点。如此反复迭代，知道满足预定的精度要求为止。根据搜索方向的取法不同，这类迭代算法可分为两类：
解析法：需要用目标函数的到函数，
梯度法：又称最速下降法，是早期的解析法，收敛速度较慢
牛顿法：收敛速度快，但不稳定，计算也较困难。高斯牛顿法基于其改进，但目标作用不同
共轭梯度法：收敛较快，效果好
变尺度法：效率较高，常用DFP法(Davidon Fletcher Powell)
直接法：不涉及导数，只用到函数值。有交替方向法(又称坐标轮换法)、模式搜索法、旋转方向法、鲍威尔共轭方向法和单纯形加速法等。
2.非线性最小二乘问题
非线性最小二乘问题来自于非线性回归，即通过观察自变量和因变量数据，求非线性目标函数的系数参数，使得函数模型与观测量尽量相似。
高斯牛顿法解决非线性最小二乘问题的最基本方法，并且它只能处理二次函数。(使用时必须将目标函数转化为二次的)
Unlike Newton'smethod, the Gauss–Newton algorithm can only be used to minimize a sum ofsquared function values
3.基本数学表达
a.梯度gradient，由多元函数的各个偏导数组成的向量
以二元函数为例，其梯度为：
b.黑森矩阵Hessian matrix，由多元函数的二阶偏导数组成的方阵，描述函数的局部曲率，以二元函数为例，
c.雅可比矩阵 Jacobian matrix，是多元函数一阶偏导数以一定方式排列成的矩阵，体现了一个可微方程与给出点的最优线性逼近。以二元函数为例，
如果扩展多维的话F: Rn-> Rm，则雅可比矩阵是一个m行n列的矩阵：
雅可比矩阵作用，如果P是Rn中的一点，F在P点可微分，那么在这一点的导数由JF(P)给出，在此情况下，由F(P)描述的线性算子即接近点P的F的最优线性逼近：
d.残差 residual，表示实际观测值与估计值(拟合值)之间的差
二、牛顿法
牛顿法的基本思想是采用多项式函数来逼近给定的函数值，然后求出极小点的估计值，重复操作，直到达到一定精度为止。
1.考虑如下一维无约束的极小化问题：
因此，一维牛顿法的计算步骤如下：
需要注意的是，牛顿法在求极值的时候，如果初始点选取不好，则可能不收敛于极小点
2.下面给出多维无约束极值的情形：
若非线性目标函数f(x)具有二阶连续偏导，在x(k)为其极小点的某一近似，在这一点取f(x)的二阶泰勒展开，即：
如果f(x)是二次函数，则其黑森矩阵H为常数，式(1)是精确的(等于号)，在这种情况下，从任意一点处罚，用式(2)只要一步可求出f(x)的极小点(假设黑森矩阵正定，所有特征值大于0)
如果f(x)不是二次函数，式(1)仅是一个近似表达式，此时，按式(2)求得的极小点，只是f(x)的近似极小点。在这种情况下，常按照下面选取搜索方向：
牛顿法收敛的速度很快，当f(x)的二阶导数及其黑森矩阵的逆矩阵便于计算时，这一方法非常有效。【但通常黑森矩阵很不好求】
3.下面给出一个实际计算例子。
例：试用牛顿法求
的极小值
解：
【f(x)是二次函数，H矩阵为常数，只要任意点出发，只要一步即可求出极小点】
三、牛顿高斯法
1. gauss-newton是如何由上述派生的
有时候为了拟合数据，比如根据重投影误差求相机位姿(R,T为方程系数)，常常将求解模型转化为非线性最小二乘问题。高斯牛顿法正是用于解决非线性最小二乘问题，达到数据拟合、参数估计和函数估计的目的。
假设我们研究如下形式的非线性最小二乘问题：
这两个位置间残差（重投影误差）：
如果有大量观测点(多维)，我们可以通过选择合理的T使得残差的平方和最小求得两个相机之间的位姿。机器视觉这块暂时不扩展，接着说怎么求非线性最小二乘问题。
若用牛顿法求式3，则牛顿迭代公式为：
看到这里大家都明白高斯牛顿和牛顿法的差异了吧，就在这迭代项上。经典高斯牛顿算法迭代步长λ为1.
那回过头来，高斯牛顿法里为啥要舍弃黑森矩阵的二阶偏导数呢？主要问题是因为牛顿法中Hessian矩阵中的二阶信息项通常难以计算或者花费的工作量很大，而利用整个H的割线近似也不可取，因为在计算梯度
时已经得到J(x)，这样H中的一阶信息项JTJ几乎是现成的。鉴于此，为了简化计算，获得有效算法，我们可用一阶导数信息逼近二阶信息项。注意这么干的前提是，残差r接近于零或者接近线性函数从而
接近与零时，二阶信息项才可以忽略。通常称为“小残量问题”，否则高斯牛顿法不收敛。
3. 举例
接下来的代码里并没有保证算法收敛的机制，在例子2的自嗨中可以看到劣势。关于自变量维数，代码可以支持多元，但两个例子都是一维的，比如例子1中只有年份t，其实可以增加其他因素的，不必在意。
例子1，根据美国1815年至1885年数据，估计人口模型中的参数A和B。如下表所示，已知年份和人口总量，及人口模型方程，求方程中的参数。
运行结果：
A=7.0,B=0.26 (初始值，A=6,B=0.3)，100次迭代到第4次就收敛了。
若初始值A=1,B=1，则要迭代14次收敛。
下图为根据上面得到的A、B系数，利用matlab拟合的人口模型曲线
例子2：我想要拟合如下模型，
由于缺乏观测量，就自导自演，假设4个参数已知A=5,B=1,C=10,D=2，构造100个随机数作为x的观测值，计算相应的函数观测值。然后，利用这些观测值，反推4个参数。
运行结果，得到的参数并不够理想，50次后收敛了
下图中，每次迭代残差并没有持续减少，有反复
4．优缺点分析
优点：
对于零残量问题，即r=0，有局部二阶收敛速度
对于小残量问题，即r较小或接近线性，有快的局部收敛速度
对于线性最小二乘问题，一步达到极小点
缺点：
对于不是很严重的大残量问题，有较慢的局部收敛速度
对于残量很大的问题或r的非线性程度很大的问题，不收敛
不一定总体收敛
如果J不满秩，则方法无定义
对于它的缺点，我们通过增加线性搜索策略，保证目标函数每一步下降，对于几乎所有非线性最小二乘问题，它都具有局部收敛性及总体收敛，即所谓的阻尼高斯牛顿法。
其中，ak为一维搜索因子