×

图形形式求解器的参数选择和预处理。 (英语) 兹比尔1407.93126

Tempo,Roberto(编辑)等人,控制和系统理论的新兴应用。纪念马图库马利·维迪亚萨加的节日。基于2017年9月在美国德克萨斯州达拉斯市德克萨斯大学EACST’17研讨会上的受邀演讲。查姆:斯普林格。莱克特。票据控制信息科学–程序。,41-61 (2018).
摘要:在“分布式优化中的块分裂”一章中,Parikh和Boyd描述了一种解决凸优化问题的方法,其中每次迭代都涉及计算一个最近算子并将其投影到子空间。在本章中,我们讨论了关键的实际问题,即如何在每次迭代中选择最接近的参数,以及如何缩放原始问题变量,以获得可靠的实际性能。由此产生的方法已作为一个名为POGS(Proximal Graph Solver)的开源软件包实现,该软件包面向多核和基于GPU的系统,并已在各种实际问题上进行了测试。数值结果表明,POGS可以在几十秒内解决非常大的问题(例如,数据中有十亿个系数),达到中等精度,而使用内部点方法处理类似问题需要花费数小时。
关于整个系列,请参见[Zbl 1404.93001号].

MSC公司:

93B40码 系统理论中的计算方法(MSC2010)
90C25型 凸面编程
93年2月25日 代数方法
93-04 系统和控制理论相关问题的软件、源代码等
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Briceno-Arias,L.M.,Combettes,P.L.:二元复合单调包含的单调+斜分裂模型。SIAM J.Optim公司。21(4), 1230-1250 (2011) ·兹伯利1239.47053 ·数字对象标识码:10.1137/10081602X
[2] Briceno-Arias,L.M.,Combettes,P.L.,Pesquet,J.C.,Pustelnik,N.:多分量图像恢复问题的近似算法。数学杂志。成像视觉。41(1-2),3-22(2011)·Zbl 1255.68213号 ·doi:10.1007/s10851-010-0243-1
[3] Boyd,S.,El Ghaoui,L.,Feron,E.,Balakrishnan,V.:《系统和控制理论中的线性矩阵不等式》,第15卷。SIAM(1994)·Zbl 0816.93004号
[4] Boyd,S.、Mueller,M.、O'Donoghue,B.、Wang,Y.:多期投资的绩效边界和次优政策。已找到。趋势优化。1(1), 1-69 (2013)
[5] Boyd,S.、Parikh,N.、Chu,E.、Peleato,B.、Eckstein,J.:通过交替方向乘数法进行分布式优化和统计学习。已找到。趋势马赫数。学习。3(1), 1-122 (2011) ·Zbl 1229.90122号 ·doi:10.1561/220000016
[6] Bradley,A.M.:矩阵平衡算法及其在有限记忆拟Newton方法中的应用。博士论文。斯坦福大学(2010)
[7] Ben-Tal,A.,Nemirovski,A.:现代凸优化讲座:分析、算法和工程应用,第2卷。SIAM(2001)·Zbl 0986.90032号
[8] Boyd,S.,Vandenberghe,L.:凸优化。剑桥大学出版社(2004)·Zbl 1058.90049号
[9] Chen,Y.,Davis,T.A.,Hager,W.W.,Rajamanickam,S.:算法887:CHOLMOD,超节点稀疏Cholesky因子分解和更新/停机。ACM事务处理。数学。柔和。35(3), 22 (2008) ·doi:10.1145/1391989.1391995
[10] Boyd,S.,Fougner,C.:图形形式解算器的参数选择和预处理(2015)。www.stanford.edu/boyd/papers/pogs.html·兹比尔1407.93126
[11] Coates,A.、Huval,B.、Wang,T.、Wu,D.、Catanzaro,B.、Ng,A.Y.:COTS HPC系统的深度学习。摘自:《第三十届机器学习国际会议论文集》,第1337-1345页(2013)
[12] Calamai,P.H.,Moré,J.J.:线性约束问题的投影梯度法。数学。程序。39(1), 93-116 (1987) ·Zbl 0634.90064号 ·doi:10.1007/BF02592073
[13] Chu,E.,O'Donoghue,B.,Parikh,N.,Boyd,S.:二次曲线优化的原对偶算子分裂方法(2013)·Zbl 1342.90136号
[14] Chambolle,A.,Pock,T.:凸问题的一阶原对偶算法及其在成像中的应用。数学杂志。成像视觉。40(1), 120-145 (2011) ·兹比尔1255.68217 ·doi:10.1007/s10851-010-0251-1
[15] Combettes,P.L.,Pesquet,J.C.:信号处理中的近距离分裂方法。摘自:《科学与工程反问题的定点算法》,第185-212页。施普林格(2011)·Zbl 1242.90160号
[16] Combettes,P.L.,Wajs,V.R.:通过近端前向-后向分裂恢复信号。多尺度模型。模拟。4(4), 1168-1200 (2005) ·Zbl 1179.94031号 ·doi:10.1137/050626090
[17] Douglas,J.,Rachford,H.H.:关于两个和三个空间变量中热传导问题的数值解。事务处理。美国数学。Soc.421-439(1956年)·Zbl 0070.35401号
[18] Davis,D.,Yin,W.:几种分裂方案的收敛速度分析(2014)。arXiv公司:1406.4834·Zbl 1372.65168号
[19] Eckstein,J.,Bertsekas,D.P.:关于最大单调算子的Douglas-Rachford分裂方法和近点算法。数学。程序。55(1-3), 293-318 (1992) ·Zbl 0765.90073号 ·doi:10.1007/BF01581204
[20] Eckstein,J.,Svaiter,B.F.:两个最大单调算子之和的射影分裂方法家族。数学。程序。111(1-2), 173-199 (2008) ·Zbl 1134.47048号
[21] Giselsson,P.,Boyd,S.:Douglas-Rachford分裂和ADMM中的对角线缩放。In:第53届IEEE决策与控制会议(2014年)·Zbl 1364.90256号
[22] Giselsson,P.,Boyd,S.:Douglas-Rachford分裂和ADMM中的公制选择(2014)。arXiv:1410.8479·Zbl 1364.90256号
[23] Giselsson,P.,Boyd,S.:快速双梯度方法中的预处理。In:第53届IEEE决策与控制会议(2014年)·Zbl 1330.49032号
[24] P.吉塞尔松。Douglas-Rachford分裂和ADMM(2015)的严格线性收敛速度界限。arXiv公司:1503.00887·Zbl 1380.65104号
[25] Glowinski,R.,Marroco,A.:Sur l’A approximation,par \(acute{\rm{e}}\)l \(acete{\orm{m}})ents finish d’ordre un,et-la Résolution,parénalisation qualityéd’une class de Problemes de Dirichlet nonéaires。数学。模型。数字。分析。9(R2),41-76(1975)·Zbl 0368.65053号
[26] Goldstein,T.、O'Donoghue,B.、Setzer,S.、Baraniuk,R.:快速交替方向优化方法。SIAM J.成像科学。7(3), 1588-1623 (2014) ·Zbl 1314.49019号 ·doi:10.1137/120896219
[27] Ghadimi,E.,Teixeira,A.,Shames,I.,Johansson,M.:交替方向乘数法(ADMM)的最佳参数选择:二次问题。IEEE传输。自动。控制60,644-658(2013)·Zbl 1360.90182号 ·doi:10.10109/TAC.2014.2354892
[28] Hestenes,M.R.,Stiefel,E.:求解线性系统的共轭梯度方法。《国家研究杂志》。伯尔。站立。49(6), 409-436 (1952) ·Zbl 0048.09901号 ·doi:10.6028/jres.049.044
[29] Hastie,T.、Tibshirani,R.、Friedman,T.:统计学习的要素。施普林格(2009)·Zbl 1273.62005年
[30] He,B.S.,Yang,H.,Wang,S.L.:单调变分不等式的自适应惩罚参数交替方向法。J.优化。理论应用。106(2), 337-356 (2000) ·Zbl 0997.49008号 ·doi:10.1023/A:1004603514434
[31] Krizhevsky,A.,Sutskever,I.,Hinton,G.E.:基于深度卷积神经网络的Imagenet分类。高级神经信息处理。系统。1097-1105 (2012)
[32] Lions,P.L.,Mercier,B.:两个非线性算子之和的分裂算法。SIAM J.数字。分析。16(6), 964-979 (1979) ·兹比尔0426.65050 ·doi:10.1137/0716071
[33] Ngiam,J.、Coates,A.、Lahiri,A.、Prochnow,B.、Le,Q.V.、Ng,A.Y.:关于深度学习的优化方法。摘自:《第28届机器学习国际会议论文集》,第265-272页(2011年)
[34] Nishihara,R.,Lessard,L.,Recht,B.,Packard,A.,Jordan,M.I.:ADMM趋同的一般分析(2015)。arXiv:1502.02009年
[35] Nocedal,J.,Wright,S.:数值优化,第2卷。斯普林格(1999)·Zbl 0930.65067号
[36] O'Donoghue,B.,Stathopoulos,G.,Boyd,S.:最优控制的分裂方法。IEEE传输。控制系统。Technol公司。21(6),2432-2442(2013)·doi:10.1109/TCST.2012.2231960
[37] O'Connor,D.,Vandenberghe,L.:算子分裂的原对偶分解及其在图像去模糊中的应用。SIAM J.成像科学。7(3), 1724-1754 (2014) ·Zbl 1309.65069号 ·数字对象标识码:10.1137/13094671X
[38] Olafsson,A.,Wright,S.:稳健IMRT治疗规划的有效方案。物理。医学生物学。51(21), 5621-5642 (2006) ·doi:10.1088/0031-9155/51/2016
[39] Parikh,N.,Boyd,S.:分布式优化的块分割。数学。程序。计算。1-26 (2013) ·Zbl 1305.90291号
[40] Parikh,N.,Boyd,S.:近似算法。已找到。趋势优化。1(3), 123-231 (2013)
[41] Pock,T.,Chambolle,A.:凸优化中一阶原对偶算法的对角线预处理。IEEE国际协调计算。视觉。1762-1769 (2011)
[42] Polyak,B.:优化导论。纽约出版部Optimization Software Inc.(1987年)·Zbl 0708.90083号
[43] Pesquet,J.C.,Pustelnik,N.:一种并行惯性近似优化方法。派克靴。J.优化。8(2), 273-305 (2012) ·Zbl 1259.47080号
[44] Paige,C.C.,Saunders,M.A.:线性方程组稀疏不定系统的求解。SIAM J,数字。分析。12(4), 617-629 (1975) ·兹伯利0319.65025 ·数字对象标识代码:10.1137/0712047
[45] Paige,C.C.,Saunders,M.A.:LSQR:稀疏线性方程组和稀疏最小二乘的算法。ACM事务处理。数学。柔和。8(1),43-71(1982)·Zbl 0478.65016号 ·数字对象标识代码:10.1145/355984.355989
[46] Ruiz,D.:平衡矩阵中行和列规范的缩放算法。技术报告,卢瑟福阿普尔顿实验室(2001)(技术报告RAL-TR-2001-034)
[47] 肖尔,N.Z.:不可微优化和多项式问题。Kluwer学术出版社(1998)·Zbl 0901.49015号
[48] Sinkhorn,R.,Knopp,P.:关于非负矩阵和双重随机矩阵。派克靴。数学杂志。21(2), 343-348 (1967) ·Zbl 0152.01403号 ·doi:10.2140/pjm.1967.21.343
[49] Spingarn,J.E.:部分逆方法在凸规划中的应用:分解。数学。程序。32(2), 199-223 (1985) ·Zbl 0565.90058号 ·doi:10.1007/BF01586091
[50] Toh,K.,Todd,M.J.,TüTüncü,R.H.:SDPT3-半定编程的MATLAB软件包,1.3版。最佳方案。方法软件。11(1-4), 545-581 (1999) ·Zbl 0997.90060号 ·doi:10.1080/10556789908805762
[51] Vanderbei,R.J.:对称拟定矩阵。SIAM J.Optim公司。5(1), 100-113 (1995) ·Zbl 0822.65017 ·数字对象标识代码:10.1137/0805005
[52] Wang,H.,Banerjee,A.:Bregman交替方向乘数法。高级神经信息处理。系统。2816-2824(2014年)
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。