Hishinuma、Kazuhiro;伊杜卡,Hideaki 不动点拟凸次梯度方法。 (英语) 兹比尔1430.90470 欧洲药典。物件。 282,第2期,428-437(2020). 摘要:约束拟凸优化问题在经济、工程和管理科学等领域都有广泛的应用。特别是,分数规划是一个重要的例子,它将诸如利润/成本比等比率指标建模为分数目标函数。次梯度方法及其变体是有效解决这些问题的有效方法。这些应用程序中出现了许多复杂的约束集,很难在实际时间内计算度量投影。这意味着现有的方法不能应用于复杂集上的拟凸优化。同时,借助于不动点理论,我们可以构造一个不动点集与复杂约束集重合的可计算非扩张映射。本文提出了一种使用可计算非扩张映射求解约束拟凸优化问题的算法。我们提供了恒定递减步长规则的收敛性分析。通过与现有算法的数值比较表明,即使现有算法的运行时间超过了时间限制,该算法也能稳定快速地运行。 引用于4文件 MSC公司: 90C26型 非凸规划,全局优化 49J52型 非平滑分析 90立方厘米32 分数编程 关键词:非线性规划;分式规划 软件:数字Py;科学Py PDF格式BibTeX公司 XML格式引用 \textit{K.Hishinuma}和\textit{H.Iiduka},欧洲期刊Oper。第282号决议,第2号,428-437(2020年;Zbl 1430.90470) 全文: 内政部 arXiv公司 参考文献: [1] Bauschke,H.H。;Combettes,P.L.,hilbert空间中的凸分析和单调算子理论(2017),Springer International Publishing·Zbl 1359.26003号 [2] Bertsekas,D.P。;Nedic,A。;Ozdaglar,A.E.,《凸分析与优化》(2003),雅典娜科学出版社·Zbl 1140.90001号 [3] 布拉德利,S.P。;Frey,S.C.,齐次函数分数规划,运筹学,22,2,350-357(1974)·Zbl 0282.90044号 [4] Censor,Y。;Segal,A.,拟凸可行性问题的算法,计算与应用数学杂志,185,1,34-50(2006)·Zbl 1080.65047号 [5] 张,Y。;Lou,J.,复合惩罚正则化经验风险最小化的近似平均近似增量梯度下降,机器学习,106,4,595-622(2017)·Zbl 1459.62156号 [6] 组合,P.L。;Bondon,P.,硬约束不一致信号可行性问题,IEEE信号处理汇刊,47,9,2460-2468(1999)·Zbl 0979.94016号 [7] 格林伯格,H。;Pierskalla,W.,《拟共轭函数和代理对偶性》,《手术室中心》,第15期,第437-448页(1973年)·兹伯利0276.90051 [8] Halpern,B.,非扩张地图的不动点,美国数学学会公报,73957-961(1967)·Zbl 0177.19101号 [9] 胡,Y。;杨,X。;Sim,C.K.,拟凸优化问题的非精确次梯度方法,《欧洲运筹学杂志》,240,2,315-327(2015)·Zbl 1357.90116号 [10] 胡,Y。;Yu,C.K.W。;Li,C.,拟凸优化问题的随机次梯度方法,非线性与凸分析杂志,17,4,711-724(2016)·兹比尔1339.65077 [11] 胡,Y。;Yu,C.K.W。;李,C。;Yang,X.,约束拟凸优化问题的条件次梯度方法,非线性与凸分析杂志,17,10,2143-2158(2016)·Zbl 1356.65153号 [12] Iiduka,H.,网络系统分布式优化的定点优化算法,SIAM优化杂志,23,1,1-26(2013)·Zbl 1266.49067号 [13] Iiduka,H.,非扩张映射不动点集上凸优化的加速方法,数学规划,149,1,131-165(2015)·Zbl 1338.90301号 [14] Iiduka,H.,非扩张映射不动点集交集上非光滑凸优化的并行计算次梯度方法,不动点理论与应用,2015,1,72(2015)·兹比尔1338.65161 [15] Iiduka,H.,拟单扩张映射不动点集上非光滑凸优化迭代方法的收敛性分析,数学规划,159,1,509-538(2016)·Zbl 1351.65035号 [16] Iiduka,H.,带不动点约束的非光滑凸优化的增量次梯度方法,优化方法与软件,31,5,931-951(2016)·Zbl 1354.65124号 [17] Iiduka,H.,具有不动点约束的非光滑凸优化的邻近点算法,《欧洲运筹学杂志》,253,2,503-513(2016)·Zbl 1346.90663号 [18] Iiduka,H.,分布式非光滑凸优化随机投影近端和次梯度算法的几乎必然收敛性,优化,66,1,35-59(2017)·Zbl 1393.90077号 [19] Jones,E.、Oliphant,T.和Peterson,P.等人(2001年)。SciPy:Python的开源科学工具。[在线;2018年8月16日访问]。 [20] Kiwiel,K.C.,拟凸极小化的次梯度方法的收敛性和效率,数学规划,90,1,1-25(2001)·Zbl 0986.90034号 [21] Konnov,I.V.,关于次梯度方法的收敛性,优化方法和软件,18,1,53-62(2003)·Zbl 1062.90048号 [22] Krasnosel’skiĭ,M.A.,《关于连续逼近方法的两点评论》,Uspekhi Matematicheskikh Nauk,10,1-63,123-127(1955)·Zbl 0064.12002号 [23] Larsson,T。;帕特里克森,M。;Strömberg,A.B.,条件次梯度优化理论与应用,《欧洲运筹学杂志》,88,2,382-403(1996)·Zbl 0913.90225号 [24] Lee,C.-Y。;约翰逊,A.L。;Moreno-Centeno,E。;Kuosmanen,T.,凸非参数最小二乘的一种更有效算法,《欧洲运筹学杂志》,227,2391-400(2013)·Zbl 1292.90234号 [25] Mann,W.R.,《迭代中的平均值方法》,《美国数学学会学报》,第4期,第506-510页(1953年)·Zbl 0050.11603号 [26] Oliphant,T.,《NumPy指南》(2006年),Trelgol Publishing:Trellgol Publishing USA [27] Opial,Z.,非扩张映射逐次逼近序列的弱收敛性,美国数学学会公报,73591-597(1967)·Zbl 0179.19902号 [28] Penot,J.P.,广义导数对广义凸函数有用吗?,(Crouzeix,J.-P.;Martinez-Legaz,J.-E.;Volle,M.,广义凸性,广义单调性:最新结果,非凸优化及其应用,27(1998),Kluwer学术出版社),3-59·Zbl 0957.49013号 [29] Plastia,F.,《低次可微函数及其通过切割平面最小化》,《优化理论与应用杂志》,46,1,37-53(1985)·Zbl 0542.90083号 [30] Rockafellar,R.T。;Wets,R.J.B.,变异分析,317(2009),施普林格科学与商业媒体 [31] 樱井,K。;Iiduka,H.,Halpern算法搜索非扩张映射不动点的加速,不动点理论与应用,2014,1202(2014)·兹比尔1345.47047 [32] Stancu-Minasian,I.M.,《分数规划:理论、方法和应用》(1997),Kluwer学术出版社·Zbl 0899.90155号 [33] 高桥,W.,《非线性和凸分析导论》(2009),横滨出版社·Zbl 1183.46001号 [34] Yamada,I.,非扩张映射不动点集交集上变分不等式问题的混合最速下降法,(Butnariu,D.;Censor,Y。;Reich,S.,《可行性和优化中的固有并行算法及其应用》。可行性和优化中的内在并行算法及其应用,计算数学研究,8(2001),Elsevier),473-504·Zbl 1013.49005号 [35] Zhang,T.,稀疏正则化的多级凸松弛分析,机器学习研究杂志,11,1081-1107(2010)·Zbl 1242.68262号 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。