马修·贝桑松;亚历杭德罗·卡德雷拉;塞巴斯蒂安·波库塔 FrankWolfe.jl：用于Frank-Wolfe算法和条件梯度的高性能灵活工具箱。 （英语） Zbl 07625892号 信息J.计算。 34，第5号，2611-2620（2022）. 总结：我们提出弗兰克·沃尔夫.jl是几个流行的Frank-Wolfe和条件梯度变量的开源实现，用于一阶约束优化。该软件包的设计考虑到了灵活性和高性能，允许轻松扩展，并且对用户提供的功能几乎没有任何假设。它支持Julia独特的多重调度功能，并使用数学光学接口.jl. MSC公司： 90立方厘米 数学编程 关键词：一阶方法;优化软件;非线性规划 软件：电影镜头;ARPACK公司;Optim公司;JuMP公司;凸面.jl;朱莉娅;JSO解决方案.jl;弗兰克·沃尔夫（FrankWolfe.jl）;数学光学接口.jl;github PDF格式BibTeX公司 XML格式引用 \textit{M.Besançon}等人，《信息与计算》。34，第5号，2611--2620（2022；Zbl 07625892） 全文： 内政部 arXiv公司 参考文献： [1] Antonello N，Stella L，Patrinos P，van Waterschoot T（2018）近端梯度算法：在信号处理中的应用。预印本，3月5日提交，https://arxiv.org/abs/1803.01621.谷歌学者 [2] Bezanson J、Edelman A、Karpinski S、Shah VB（2017）Julia:数值计算的新方法。SIAM版本。59（1）:65-98.Crossref，谷歌学者·Zbl 1356.68030号 ·数字对象标识代码：10.1137/141000671 [3] Braun G，Pokutta S，Zink D（2017）Lazizing条件梯度算法。Precup D，Teh YW，编辑程序。第34届国际米兰。Conf.机器学习。，第70卷（英国PMLR），566-575。谷歌学者 [4] Braun G，Pokutta S，Tu D，Wright S（2019）《混合条件梯度：条件梯度的非条件化》。Chaudhuri K，Salakhutdinov R，编辑程序。第36届国际。Conf.机器学习。，第97卷（英国PMLR），735-743。谷歌学者 [5] Candès EJ，Recht B（2009）通过凸优化实现精确矩阵补全。基础计算。数学。9（6）：717-772.Crossref，谷歌学者·Zbl 1219.90124号 ·doi:10.1007/s10208-009-9045-5 [6] Candès EJ，Tao T（2010）凸松弛的力量：近最优矩阵完成。IEEE传输。通知。理论56（5）：2053-2080.谷歌学者交叉引用·兹伯利1366.15021 ·doi:10.1109/TIT.2010.2044061 [7] Candès EJ，Wakin MB（2008）《压缩取样简介》。IEEE信号处理杂志25（2）:21-30.Crossref，谷歌学者·doi:10.10109/MSP.2007.914731 [8] Combettes CW，Pokutta S（2021）一些集合上线性最小化和投影的复杂性。操作。雷斯莱特。49（4）:565-571.Crossref，谷歌学者·Zbl 1525.90394号 ·doi:10.1016/j.orl.2021.06.005 [9] Dunning I，Huchette J，Lubin M（2017）JuMP：数学优化建模语言。SIAM版本。59（2）:295-320.谷歌学者交叉引用·Zbl 1368.90002号 ·doi:10.1137/15M1020575 [10] Fazel M（2002）矩阵秩最小化与应用。斯坦福大学博士论文，加利福尼亚州斯坦福。谷歌学者 [11] Frank M，Wolfe P（1956）二次规划的算法。海军后勤研究。夸脱。3（1-2）:95-110.谷歌学者交叉引用·doi:10.1002/nav.3800030109 [12] Guélat J，Marcotte P（1986）关于Wolfe“走开”的一些评论数学。编程35（1）:110-119.Crossref，谷歌学者·Zbl 0592.90074号 ·doi:10.1007/BF01589445 [13] Harper FM，Konstan JA（2015）电影镜头数据集：历史与背景。ACM事务处理。交互式智能系统5（4）：第19条谷歌学者 [14] Hazan E，Luo H（2016）方差减少和无投影随机优化。Balcan MF，Weinberger KQ编辑，Proc。第33届国际。Conf.机器学习。，第48卷（PMLR，英国），1263-1271.谷歌学者 [15] Lacoste-Julien S，Jaggi M（2015）《关于Frank-Wolfe优化变量的全局线性收敛》。Cortes C、Lee DD、Sugiyama M、Garnett R编辑。第29届会议神经信息。处理系统，第1卷（麻省理工学院出版社，马萨诸塞州剑桥），496-504.谷歌学者 [16] Legat B、Dowson O、Garcia JD、Lubin M（2021a）MathOptInterface:数学优化问题的数据结构。信息J.计算。，ePub将于10月22日印刷，https://doi.org/10.1287/ijoc.2021.1067.谷歌学者 [17] Legat B、Timme S、Deits R、de Laat D、Huchette J、Saba E、Forets M、Breiding P（2021b）JuliaAlgebra/多元多项式。jl:v0.3.13。2022年4月1日访问，https://doi.org/10.5281/zenodo.4656033.谷歌学者 [18] Lehoucq RB，Sorensen DC，Yang C（1998）ARPACK用户指南：用隐式重启Arnoldi方法解决大规模特征值问题（费城工业和应用数学学会）。Crossref，谷歌学者·Zbl 0901.65021号 ·doi:10.1137/1.9780898719628 [19] Levitin ES，Polyak BT（1966）约束最小化方法。苏联计算。数学。数学。物理学。6（5）：1-50.谷歌学者Crossref·Zbl 0184.38902号 ·doi:10.1016/0041-5553（66）90114-5 [20] Mogensen PK，Riseth AN（2018）Optim:Julia的数学优化包。J.开源软件3（24）：第615条。谷歌学者Crossref·doi:10.21105/joss.00615 [21] Mokhtari A，Hassani H，Karbasi A（2020）随机条件梯度法：从凸极小化到子模极大化。J.机器学习。物件。21（1）：1-49谷歌学者·Zbl 1507.68249号 [22] Orban D，Siqueira AS（2020）JSOSolvers.jl：JuliaSmoothOptimizers优化求解器。2022年4月1日访问，https://github.com/JuliaSmoothOptimizers/JSOSolvers.jl.谷歌学者 [23] Pauphilet J，Bertsimas D，Cory Wright R（2021）混合投影圆锥优化：秩约束建模的新范式。操作。物件。，ePub将于12月20日印刷，https://pubsonline.informs.org/doi/101287/opre.2021.2182.谷歌学者 [24] Pedregosa F、Negiar G、Askari A、Jaggi M（2020）《线性收敛的Frank-Wolfe与回溯线搜索》。Chiappa S，Calandra R编辑，Proc。第23届国际。Conf.人工智能统计师。，第108卷（英国PMLR），1-10.谷歌学者 [25] Robbins H，Monro S（1951）随机近似方法。安。数学。统计师。22（3）：400-407.Crossref，谷歌学者·Zbl 0054.05901号 ·doi:10.1214/aoms/1177729586 [26] Tibshirani R（1996）通过套索回归收缩和选择。J.罗伊。统计师。Soc.B公司58（1）：267-288.Crossref，谷歌学者·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x [27] Udell M，Townsend A（2019）为什么大数据矩阵的秩接近低？SIAM J.数学。数据科学。1（1）:144-160.谷歌学者Crossref·Zbl 1513.68057号 ·doi:10.1137/18M1183480 [28] Udell M，Mohan K，Zeng D，Hong J，Diamond S，Boyd S（2014）Julia中的凸优化。2014年第一次高性能技术计算研讨会。动态。语言（IEEE，新泽西州皮斯卡塔韦），18-28岁，谷歌学者 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。