在下面,让\({y^{k+1}\}\)和\({u^{k+1}=(v^{k+1},x^{k+1})是PDFP算法生成的序列(1.3),即
\(y^{k+1}={T}(T)_{0}(v^{k},x^{k{)\)和\(((v^{k+1},x^{k+1})={T}(v^}k},x^{k})\).让\({u^{*}}=({v^{*{}},{x^{**}})\)成为操作员的固定点T型.
3.1汇聚
引理3.1
我们有以下估计:
$$\开始{aligned}&\bigl\Vert v^{k+1}-v^{*}\bigr\Vert^{2}\leq\bigl\ Vert v^{k} -v型^{*}\较大\垂直^{2}-\bigl\Vert v^{k+1}-v^{k}\bigr\Vert^{2}+2\bigl\langle B^{T}\bigl(v^{k+1}-v^}\biger),y^{k+1}-x^{*}\biger\rangle,\end{aligned}$$
(3.1)
$$\开始{对齐}&\bigl\Vert x^{k+1}-x^{*}\bigr\Vert^{2}\leq\bigl\ Vert x^{k} -x个^{*}\较大\垂直^{2}-\bigl\垂直x^{k+1}-y^{k+1}\bigr\垂直^{2}-\bigl\垂直x^{k} -年^{k+1}\bigr\Vert^{2}\\&\hphantom{\bigl\Vertx^{k+1}-x^{*}\birgr\Vert^}2}\leq{}{}+2\bigl\ langle x^{k+1}-y^{k+1{,\gamma\nabla{f{1}}\bigl(x^{k}\biger)+\lambda B^{T} v(v)^{k} \bigr\rangle\\&\hphantom{\bigl\Vert x^{k+1}-x^{*}\bigr\ Vert^{2}\leq{}}{}-2\bigl\ langle x^{k+1}-x^}},\gamma\nabla{f_1}}\bigl(x^{k}\biger)+\lambda B^{T} v(v)^{k+1}\bigr\rangle+2\gamma\bigl。\结束{对齐}$$
(3.2)
证明
我们首先证明(3.1). 按引理2.2,我们知道\(I-\操作员姓名{近似}_{\frac{\gamma}{\lambda}{f_{2}}}}})是绝对不可扩展的,并且使用(1.3)2和(2.18)我们还有
$$\bigl\Vert v^{k+1}-v^{*}\bigr\Vert^{2}\leq\bigl\ langle v^{k+1}-v^{},\bigl(By^{k+1}+v^{k}\biger)-\bigr(Bx^{*{+v^}*}\bigr)\bigr\ rangle$$
这意味着
$$\bigl\langle v^{k+1}-v^{*},v^{k+1}-v ^{k}\bigr\rangle\leq\bigl\ langle v${k+1{-v ^},B\bigl(y^{k+1}-x ^{*neneneep \bigr)\bigr\ rangle=\bigl\slangle B^{T}\bigl-v^{**}\biger*}\较大\范围$$
因此
$$\开始{aligned}\bigl\Vert v^{k+1}-v^{*}\bigr\Vert^{2}=&\bigl\ Vert v^{k} -v型^{*}\较大\垂直^{2}-\bigl\Vert v^{k+1}-v^{k}\bigr\Vert^{2}+2\bigl\langle v^{k+1}-v ^{*},v ^{k+1}-v ^ k}\biger\rangle\\leq&\bigl\ Vert v^{k} -v型^{*}\较大\垂直^{2}-\bigl\Vert v^{k+1}-v^{k}\bigr\Vert^{2}+2\bigl\langle B^{T}\bigl(v^{k+1}-v^}\biger),y^{k+1}-x^{*}\biger\rangle。\结束{对齐}$$
接下来我们证明(3.2). 根据的最优性条件(1.3)三(囊性纤维变性。(2.5)),我们有
$$\bigl(x^{k}-\γ\nabla{f_{1}}\bigl(x^{k}\bigr)-\lambda B^{T} v(v)^{k+1}\bigr)-x^{k+1}\in\gamma\partial{f{3}}\bigl(x^{k+1}\biger)$$
根据次微分的性质(囊性纤维变性。(2.3)),
$$\bigl\langle x^{*}-x^{k+1},\bigl(x^{k}-\γ\nabla{f_{1}}\bigl(x^{k}\bigr)-\lambda B^{T} v(v)^{k+1}\bigr)-x^{k+1}\biger\rangle\leq\gamma\bigl$$
即
$$\bigl\langle x^{k+1}-x^{*},x^{k+1}-x^{k}\bigr\rangle\leq-\bigl\ langle x*{k+1{-x^},\gamma\nabla{f_1}}\bigl(x^{k}\biger)+\lambda B^{T} v(v)^{k+1}\bigr\rangle+\gamma\bigl$$
因此,
$$\开始{对齐}\bigl\Vert x^{k+1}-x^{*}\bigr\Vert^{2}=&\bigl\ Vert x^{k} -x个^{*}\较大\垂直^{2}-\bigl\Vert x^{k+1}-x^{k}\bigr\Vert ^{2}+2\bigl\langle x^{k+1}-x^{*},x^{k+1}-x^{k}\bigr\rangle \\\leq&&bigl\Vert x^{k} -x个^{*}\较大\垂直^{2}-\bigl\垂直x^{k+1}-x^{k}\bigr\垂直^{2}-2\bigl\langle x^{k+1}-x^{*},\gamma\nabla{f_{1}}\bigl(x^{k}\bigr)+\lambda B^{T} v(v)^{k+1}\bigr\rangle\\&{}+2\gamma\bigl。\结束{对齐}$$
(3.3)
另一方面,根据(1.3)1,因此
$$\bigl(x^{k}-\γ\nabla{f_{1}}\bigl(x^{k}\bigr)-\lambda B^{T} v(v)^{k} \biger)-y^{k+1}\in\gamma\partial{f{3}}\bigl(y^{k+1}\bigr)$$
由于次微分的性质,我们有
$$\bigl\langle x^{k+1}-y^{k+1},\bigl(x^{k}-\γ\nabla{f_{1}}\bigl(x^{k}\bigr)-\lambda B^{T} v(v)^{k} \bigr)-y^{k+1}\bigr\rangle\leq\gamma\bigl$$
所以
$$\bigl\langle x^{k+1}-y^{k+1},x^{k} -年^{k+1}\bigr\rangle\leq\bigl\langle x^{k+1{-y^{k+1},\gamma\nabla{f_{1}}\bigl(x^{k}\biger)+\lambda B^{T} v(v)^{k} \bigr\rangle+\gamma\bigl$$
因此
$$\开始{对齐}-\bigl\Vert x^{k+1}-x^{k}\bigr\Vert^{2}=&-\bigle\Vert x ^{k+1}-y^{k+1}\biger\Vert^{2}-\bigl\垂直x^{k} -年^{k+1}\bigr\Vert^{2}+2\bigl\langle x^{k+1{-y^{k+1},x^{k} -年^{k+1}\bigr\rangle\\leq&-\bigl\Vert x^{k+1{-y^{k+1}\biger\Vert^{2}-\bigl\垂直x^{k} -年^{k+1}\bigr\Vert^{2}+2\bigl\langle x^{k+1{-y^{k+1},\gamma\nabla{f_{1}}\bigl(x^{k}\biger)+\lambda B^{T} v(v)^{k} \bigr\rangle\\&{}+2\gamma\bigl。\结束{对齐}$$
替换术语\(-\|x^{k+1}-x^{k}\|^{2})英寸(3.3)对于上述不等式的右侧项,我们立即得到(3.2).□
引理3.2
我们有
$$\开始{aligned}\bigl\Vert u^{k+1}-u^{*}\bigr\Vert_{lambda}^{2}\leq&\bigl\ Vert u^{k} -u个^{*}\bigr\Vert_{\lambda}^{2}-\lambda\bigl\垂直v^{k+1}-v^{k}\bigr\垂直^{2}_{米}-\bigl\垂直x^{k+1}-y^{k+1}+\lambda B^{T}\bigl(v^{k+1}-v^{k}\bigr)\bigr\Vert^{2}\\&{}-\bigl\Vert\bigl^{k} -年^{k+1}\bigr)-\bigl(\gamma\nabla{f{1}}\bigle(x^{k}\biger)-\gamma\nabla{f{1\}\bigl}\bigl(x^{*}\bigr)\bigr\Vert^{2}。\结束{对齐}$$
(3.4)
证明
对两个不等式求和(3.1)和(3.2)重新安排条款
$$\开始{对齐}&\lambda\bigl\Vert v^{k+1}-v^{*}\bigr\Vert^{2}+\bigl\ Vert x^{k+1}-x^{*{\bigr\ Vert^}2}\\&\quad\leq\lambda \bigl Vert v^{k} -v型^{*}\bigr\Vert^{2}+\bigl\Vert x^{k} -x个^{*}\较大\垂直^{2}-\lambda\bigl\垂直v^{k+1}-v^{k}\bigr\垂直^{2}-\bigl\垂直x^{k+1}-y^{k+1}\bigr\垂直^{2}-\bigl\垂直x^{k} -年^{k+1}\bigr\Vert^{2}\\&\qquad{}+2\bigl\langle\lambda B^{T}\bigl^{T} v(v)^{k} \bigr\rangle\\&\qquad{}-2\bigl\langle x^{k+1}-x^{*},\gamma\nabla{f_{1}}\bigl(x^{k}\bigr)+\lambda B^{T} v(v)^{k+1}\bigr\rangle+2\gamma\bigl^{k} -v型^{*}\bigr\Vert^{2}+\bigl\Vert x^{k} -x个^{*}\较大\垂直^{2}-\lambda\bigl\垂直v^{k+1}-v^{k}\bigr\垂直^{2}-\bigl\Vert x ^{k+1}-y ^{k+1}\bigr\Vert版本^{2}-\bigl\垂直x^{k} -年^{k+1}\bigr\Vert^{2}\\&\qquad{}+2\bigl\langle\lambda B^{T}\bigl(v^{k+1}-v^{k}\bigr),y^{k+1}-x^{k+1}\bigr\rangle+2\bigl\langle x^{k}-y^{k+1},\gamma\nabla{f_{1}}\bigl(x^{k}\bigr)-\gamma\nabla{f_{1}}\bigl(x^{*}\bigr)\bigr\rangle \\&\qquad{}-2\bigl\langle x^{k} -x个^{*},\gamma\nabla{f_{1}}\bigl(x^{k}\bigr)-\gamma\nabla{f_{1}}\bigl(x^{*}\bigr)\bigr\ rangle\\&\qquad{}+2\bigl(\bigl\langle y^{k+1}-x^{*},-\gamma\nabla{f_{1}}\bigl(x^{*}\bigr)-\lambda B^{T}v^{*}\bigr\ rangle+\gamma\bigl({f_{3}}\bigl(x^{*}\bigr)-{f_{3}}\bigl(y^{k+1}\bigr)\bigr)\\&&quad=\lambda\bigl\Vert v^{k} -v型^{*}\bigr\Vert^{2}+\bigl\Vert x^{k} -x个^{*}\较大\垂直^{2}-\lambda\bigl\垂直v^{k+1}-v^{k}\bigr\垂直_{M}^{2}-\bigl\垂直x^{k+1}-y^{k+1}+\lambda B^{T}\bigl(v^{k+1}-v^{k}\bigr)\bigr\Vert^{2}\\&\qquad{}-\bigl\Vert\bigl^{k} -年^{k+1}\bigr)-\bigl(\gamma\nabla{f{1}}\bigle(x^{k}\biger)-\gamma\nabla{f{1\}}\bigl r)\bigr\Vert^{2}\\&\qquad{}-2\bigl\langle x^{k} -x个^{*},\gamma\nabla{f{1}}\bigl(x^{k}\bigr)-\gamma\nabla{f{1'}\bigle(x*{*}\biger)\bigr\rangle\\&\qquad{}+2\bigl(\bigl\langley^{k+1}-x^{*}.,-\gama\nabla{f_1}}\bigl(x^{*{}\birgr)-\lambda B^{T}v^{*neneneep \bigr\rangle+\gamma\bigl({f_{3}}\bigr(x^{*}\biger)-{f_}3}\bigle(y^{k+1}\birg)\bicr),\end{aligned}$$
(3.5)
哪里\(\|\cdot\|_{M}\)在中给出(2.14)和(2.15). 同时,根据(2.19),我们有
$$-\gamma\nabla{f_{1}}\bigl(x^{*}\bigr)-\lambda B^{T} v(v)^{*}\ in\gamma\部分{f{3}}\bigl(x^{*}\bigr)$$
这意味着
$$\bigl\langle y^{k+1}-x^{*},-\gamma\nabla{f_{1}}\bigl(x^{**}\biger)-\lambda B^{T} v(v)^{*}\bigr\rangle+\gamma\bigl$$
(3.6)
另一方面,它遵循(2.8)那个
$$-\bigl\langle x美元^{k}-x^{*},\nabla{f{1}}\bigl(x^{k}\bigr)-\nabla{f{1\bigl$$
(3.7)
回顾(2.16),我们立即获得(3.4)就以下方面而言(3.5)-(3.7). □
引理3.3
让
\(0<\lambda<1/{\lambda_{\mathrm{max}}(BB ^{T})}\)
和
\(0<γ<2 \β).然后是序列
\(\{\|u^{k} -u个^{*}\ | _{\lambda}\}\)
不是-增加和
\(\lim_{k\to+\infty}\|u^{k+1}-u^{k}\|_{lambda}=0\).
证明
如果\(0<\lambda<1/{\lambda_{\mathrm{max}}(BB^{T})}\)和\(0<γ<2 \β),它来自(3.4)那个\(\|u^{k+1}-u^{*}\|_{\lambda}\leq\|u^{k} -u个^{*}\|_{\lambda}\),即顺序\(\{\|u^{k} -u个^{*}\|_{\lambda}\}\)不增加。此外,将不等式相加(3.4)来自\(k=0)到\(k=+\infty),我们得到
$$开始{aligned}&\lim_{k\to+\infty}\bigl\|v^{k+1}-v^{k}\bigr\|_{M}=0,\end{aligned}$$
(3.8)
$$\开始{对齐}&\lim_{k\to+\infty}\bigl\|x^{k+1}-y^{k+1}+\lambda B^{T}\bigle(v^{k+1}-v^{k}\bigr)\bigr\|=0,\end{aligned}$$
(3.9)
$$\开始{aligned}&\lim_{k\to+\infty}\bigl\|\bigl(x^{k} -年^{k+1}\bigr)-\bigl(\gamma\nabla{f{1}}\bigle(x^{k}\biger)-\gamma\nabla{f{1}}\bigl$$
(3.10)
$$\开始{aligned}&\lim_{k\to+\infty}\bigl\|\nabla{f{1}}\bigle(x^{k}\bigr)-\nabla{f{1\}}\bigl(x_{*}\biger)\bigr\|=0。\结束{对齐}$$
(3.11)
以下各项的组合(3.10)和(3.11)给予
$$\lim_{k\to+\infty}\bigl\Vert x^{k} -年^{k+1}\bigr\Vert=0$$
(3.12)
注意到\(0<\lambda<1/{\lambda_{\mathrm{max}}(BB^{T})}\),我们知道M(M)对称且正定,所以(3.8)等于
$$\lim_{k\to+\infty}\bigl\Vertv^{k+1}-v^{k}\bigr\Vert=0$$
(3.13)
因此,我们从上述不等式和(3.9)那个
$$\lim_{k\to+\infty}\bigl\Vertx^{k+1}-y^{k+1}\bigr\Vert=0$$
(3.14)
组合(3.12)和(3.14)然后产生
$$\lim_{k\to+\infty}\bigl\Vertx^{k+1}-x^{k}\bigr\Vert=0$$
(3.15)
根据(3.13), (3.15)、和(2.16),我们有\(\lim_{k\to+\infty}\|u^{k+1}-u^{k}\|_{lambda}=0\). □
作为引理的直接结果3.3和引理2.3,我们得到PDFP的收敛性如下。
定理3.1
让
\(0<\lambda<1/{\lambda_{\mathrm{max}}(BB^{T})}\)
和
\(0<γ<2 \β).然后是序列
\({u^{k}\}\)
有界并收敛到
T型,以及两者
\({x^{k}\}\)
和
\(y^k})
收敛到(1.1).
证明
按引理2.2,两者\(\操作员姓名{近似}_{{\gamma}{f{3}}\)和\(I-\操作员名称{近似}_{\frac{\gamma}{\lambda}{f{2}}})是绝对非扩张的,因此运算符T型由定义(2.9)-(2.12)是连续的。从引理3.3,我们知道序列\(\{\|u^{k} -u个^{*}\|_{\lambda}\}\)无增加且\(\lim_{k\to+\infty}\|u^{k+1}-u^{k}\|_{lambda}=0\).通过使用引理2.3,我们知道序列\({u^{k}\}\)有界并收敛到T型.利用定理2.1和(3.14),我们可以得出以下结论:\({x^{k}\}\)和\(y^k})收敛到(1.1). □
备注3.1
对于特殊情况\(f{3}=0\),PDFP自然减少为\(\mathrm{PDFP}^{2}\mathrm{O}\)(4.2)提议于[15],其中参数的条件为\(0<\lambda\leq1/\lambda _{\mathrm{max}}(BB^{T})\),\(0<γ<2 \β).在引理的证明中3.3,我们利用了M(M)以获得(3.13)来自(3.8). 所以参数的条件λ由于\(0<\lambda<1/\lambda\{\mathrm{max}}(BB ^{T})\)在引理中3.3和定理3.1.何时\(f{3}=0\),引理证明中的条件3.3也可以放松\(0<\lambda\leq1/\lambda{\mathrm{max}}(BB^{T})\)事实上,通过定义很容易检查\(y^{k+1}\)(请参见(1.3)1)和的最优性条件(2.19)那个
$$\bigl\Vert\bigl(x^{k} -年^{k+1}\biger)-\bigl^{k} -v型^{*}\bigr)\bigr\Vert^{2}$$
(3.16)
观察到这一点\(\|v^{k+1}-v^{k}\|^{2}=\ |v^}k+1}-v^}k}\ |_{M}^{2}+\lambda \ |B^{T}(v^{k+1}-v^{k})\ |^{2{),我们已经过了(3.16), (3.10)和(3.8)那个\(\lim_{k\to+\infty}\|v^{k+1}-v^{k}\|=0\)。因此,我们可以在任何时候导出收敛性M(M)是半正定的\(f{3}=0\).
备注3.2
对于特殊情况\(f_{1}=0\),问题(1.1)只对应于两个适当的下半连续凸函数。收敛条件\(0<γ<2 \β)在PDFP中变为\(0<\gamma<+\infty\)。尽管γ是理论上的任意正数γ会影响收敛速度,在实践中选择最佳值也是一个难题。
3.2特殊情况下的线性收敛速度
在下面,我们将显示收敛速度结果,并对基本问题进行一些附加假设(1.1). 特别是,对于\(f{3}=0\),算法简化为\(\mathrm{PDFP}^{2}\mathrm{O}\)提议于[15]. 线性收敛的条件如中的条件3.1所示[15]如下所示:对于\(0<\lambda\leq1/\lambda{\mathrm{max}}(BB^{T})\)和\(0<\gamma<{2}\beta\),存在\([0,1)中的\eta_{1},\eta_2}\)这样的话
$$\开始{aligned}&\bigl\Vert I-\lambda BB^{T}\bigr\Vert_{2}\leq\eta_{1}^{2},\\&\bigle\Vert g(x)-g(y)\bigr\ Vert\le\ta_{2}\ Vert x-y\Vert\quad\mbox{表示所有}x,y\in\mathbb{R}^{n},\end{aligned}$$
(3.17)
哪里\(克(x)\)在中给出(2.13). 很容易看出,一个强凸函数\(f{1}\)满足条件(3.17). 对于一个将军\(f{3}\),我们需要更强的函数条件。
定理3.2
假设(3.17)持有和
\(f{2}^{*}\)
是强凸的.那么我们有
$$\bigl\Vert u^{k+1}-u^{*}\bigr\Vert _{(1+\lambda\delta/\gamma)\lambda}\leq\eta\bigl\ Vert u^{k} -u个^{*}\bigr\Vert_{(1+\lambda\delta/\gamma)\lambda}$$
哪里
\(0<\eta<1\)
是收敛速度(证明中注明)和
\(\增量>0\)
是描述
\(\部分f_{2}^{*}\)(立方英尺(2.4)).
证明
使用莫罗的身份(囊性纤维变性。(2.7))以获得
$$(I-\操作员姓名{近似}_{\frac{\gamma}{\lambda}{f{2}}})\bigl(按^{k+1}+v^{k}\bigr)=\frac}{\lambda}\operatorname{近似}_{\frac{\lambda}{\gamma}{f{2}^{*}}\biggl(\frac}\lambda}{\gamma}By ^{k+1}+\frac[\lambada}{\γ}v ^{k}\bigr)$$
所以(1.3)2等于
$$\frac{\lambda}{\gamma}v^{k+1}=\operatorname{近似}_{\frac{\lambda}{\gamma}{f{2}^{*}}\biggl(\frac}\lambda}{\gamma}By ^{k+1}+\frac[\lambada}{\γ}v ^{k}\bigr)$$
(3.18)
根据的最优性条件(3.18),
$$\frac{\lambda}{\gamma}按^{k+1}+\frac}\lambda}{\gamma}v^{k}-\压裂{\lambda}{\gamma}v^{k+1}\在\压裂{\λ}{\gamma}\部分{f{2}^{*}}\biggl(\压裂{λ}{\gama}v^}k+1}\bigr)中$$
(3.19)
同样,根据(2.18),
$$\frac{\lambda}{\gamma}Bx^{*}\in\frac}\lambda}{\gamma}\partial{f{2}^{*{}\biggl(\frac\\lambda{{\gama}v^{*neneneep \biggr)$$
(3.20)
观察到这一点\(\部分f_{2}^{*}\)是δ-非常单调,我们已经(3.19)和(3.20)
$$\bigl\langle v^{k+1}-v^{*},\bigl(By^{k+1}+v^{k} -v型^{k+1}\biger)-Bx^{*}\biger\rangle\geq\frac{\lambda}{\gamma}\delta\bigl\Vert v^{k+1{-v^{*{\bigr\Vert^{2}$$
即
$$\bigl\langle v^{k+1}-v^{*},v^{k+1}-v ^{k}\bigr\rangle\leq\bigl\ langle B^{T}\bigl ^{2}$$
因此
$$\开始{aligned}\bigl\Vert v^{k+1}-v^{*}\bigr\Vert^{2}=&\bigl\ Vert v^{k} -v型^{*}\较大\垂直^{2}-\bigl\Vert v^{k+1}-v^{k}\bigr\Vert ^{2}+2\bigl\langle v^{k+1}-v^{*},v^{k+1}-v^{k}\bigr\rangle \\leq&\bigl\Vert v^{k} -v型^{*}\较大\垂直^{2}-\bigl\Vert v^{k+1}-v^{k}\bigr\Vert ^{2}+2\bigl\langle B^{T}\bigl(v^{k+1}-v^{*}\bigr),y^{k+1}-x^{*}\bigr\rangle \\&{}-\frac{\lambda}{\gamma}\delta\bigl\Vert v^{k+1}-v^{*}\bigr\Vert ^{2}。\结束{对齐}$$
(3.21)
两个不等式的求和(3.21)和(3.2),然后使用相同的参数驾驶(3.5),我们到达
$$开始{对齐}\biggl(1+\frac{\lambda}{\gamma}\delta\biggr)\lambda \bigl\Vert v^{k+1}-v^{*}\bigr\Vert^{2}+\bigl\ Vert x^{k+1}-x^{*{bigr\Vert^{2\leq&\lambada\bigl Vert v^{k} -v型^{*}\bigr\Vert^{2}+\bigl\Vert g\bigl^{k} -v型^{*}\bigr\Vert^{2}+\eta_{2}^}\bigl\Vert x^{k} -x个^{*}\bigr\Vert^{2},\end{aligned}$$
(3.22)
我们也使用了条件(3.17)和不平等(3.6).
让\(\eta_{3}=1/\sqrt{1+\lambda\delta/\gamma}\)和\(\ta=\max\{\ta{2},\ta{3})很明显\(0<eta<1)因此,根据符号(2.16),估计值(3.22)可以根据需要重写。□
我们注意到强凸的线性收敛速度\(f{2}^{*}\)和\(f{3}\)在中获得[19]. 他们引入了两个预处理算子来加速算法,但收敛速度与预处理算子之间仍缺少明确的关系。同时,引入预条件算子在实践中是有益的,我们也可以引入预条件运算符来处理\({1})在我们的计划中。由于该分析与当前的分析非常相似,因此我们将在本文中省略它。