Shummin中山;靖国那鲁岛;广岛雅贝 基于Broyden族最小化复合函数的非精确近端无记忆拟Newton方法。 (英文) Zbl 1469.90141号 计算。最佳方案。应用。 79,编号1,127-154(2021). 摘要:本研究考虑一种近似牛顿型方法来解决复合函数(光滑非凸函数和非光滑凸函数之和)的最小化问题。通常,该方法使用目标函数平滑部分的Hessian矩阵或其近似值。矩阵的一致正定性对建立该方法的全局收敛性起着重要作用。在本研究中,基于无记忆Broyden族和修正的谱标度割线条件,提出了一种不精确的近似无记忆准Newton方法。该方法不精确地解决了计算缩放近端映射的子问题。近似矩阵保持一致正定性,搜索方向为下降方向。利用这些性质,证明了该方法对非凸目标函数具有全局收敛性。进一步证明了强凸目标函数的R线性收敛性。最后,给出了一些数值结果。 引用于7文件 MSC公司: 90立方厘米 非线性规划 90元53 拟牛顿型方法 关键词:非光滑优化;近牛顿型方法;不精确近似法;无记忆准牛顿法;Broyden家族;全局和局部收敛性质 软件:PNOPT公司;备用日志记录;TFOCS公司;伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{S.Nakayama}等人,计算。最佳方案。申请。79,编号1,127--154(2021;Zbl 1469.90141) 全文: 内政部 参考文献: [1] Al-Baali,M.,关于拟Newton方法自标度更新公式的测度函数,最优化,32,59-69(1995)·Zbl 0816.49023号 ·网址:10.1080/02331939508844035 [2] Beck,A.,优化中的一阶方法,MOS-IAM系列优化(2017),新德里:SIAM,新德里·Zbl 1384.65033号 ·数字对象标识代码:10.1137/1.9781611974997 [3] 贝克,A。;Teboulle,M.,线性反问题的快速迭代收缩阈值算法,SIAM J.Imag。科学。,2, 183-202 (2009) ·Zbl 1175.94009号 ·doi:10.1137/080716542 [4] 贝克尔,S。;坎迪斯,EJ;Grant,MC,凸锥问题模板及其在稀疏信号恢复中的应用,数学。程序。计算。,3, 165-218 (2011) ·Zbl 1257.90042号 ·doi:10.1007/s12532-011-0029-5 [5] Becker,S.、CandéS,E.J.、Grant M.C.:TFOCS网站。http://cvxr.com/tfocs/download(下载)/(最新访问时间:2020年6月5日) [6] 贝克尔,S。;法迪利,J。;Ochs,P.,《关于拟牛顿正向分裂:近端演算与收敛》,SIAM J.Optim。,29, 2445-2481 (2019) ·Zbl 1461.65128号 ·doi:10.1137/18M1167152 [7] 布莱德利,PS;Mangasarian,OL,通过线性支持向量机进行大规模数据识别,Optim。方法软件。,13, 1-10 (2000) ·Zbl 0986.90085号 ·doi:10.1080/10556780008805771 [8] Chang,CC;Lin,CJ,LIBSVM:支持向量机库,ACM Trans。智力。系统。技术。,2, 1-27 (2011) ·数字对象标识代码:10.1145/1961189.1961199 [9] Chang,C.C.,Lin,C.J.:LIBSVM数据:分类、回归和多标签。网址:https://www.csie.ntu.edu.tw/cjlin/libsvmtools/datasets/(最新访问时间:2020年6月5日) [10] 程,WY;Li,DH,光谱标度BFGS方法,J.Optim。理论应用。,146, 305-319 (2010) ·Zbl 1198.90355号 ·doi:10.1007/s10957-010-9652-y [11] Dolan,ED;Moré,JJ,带性能配置文件的基准优化软件,数学。程序。,91, 201-213 (2002) ·邮编:1049.90004 ·doi:10.1007/s101070100263 [12] 福岛,M。;Mine,H.,某些非凸最小化问题的广义近点算法,Int.J.Syst。科学。,12, 989-1000 (1981) ·Zbl 0467.65028号 ·网址:10.1080/00207728108963798 [13] 吉本斯,LE;赫恩,DW;Pardalos,PM;拉马纳,MV,最大团问题的连续表征,数学。操作。Res.,22754-768(1997年)·Zbl 0883.90098号 ·doi:10.1287/门22.3.754 [14] Hoshino,S.,《可变度量方法的公式》,IMA J.Appl。数学。,10, 394-403 (1972) ·Zbl 0258.65065号 ·doi:10.1093/imamat/10.394 [15] Koh,K。;Kim,SJ;Boyd,S.,《大规模(ell_1)正则化logistic回归的内点方法》,J.Mach。学习。第8号决议,1519-1555(2007年)·Zbl 1222.62092号 [16] 寇,CX;Dai,YH,无约束优化的改进自缩放无记忆Broyden-Fletcher-Goldfarb-Shanno方法,J.Optim。理论应用。,165, 209-224 (2015) ·Zbl 1319.49042号 ·doi:10.1007/s10957-014-0528-4 [17] Lee,JD;孙,Y。;Saunders,M.,最小化复合函数的近似牛顿型方法,SIAM J.Optim。,24, 1420-1443 (2014) ·Zbl 1306.65213号 ·doi:10.1137/130921428 [18] Lee,J.D.,Sun,Y.,Saunders,M.A.:PNOPT网站。https://web.stanford.edu/group/SOL/software/pnopt/(最新访问时间:2020年6月5日) [19] 李,J。;安徒生,理学硕士;Vandenberghe,L.,自洽函数的非精确近端牛顿方法,数学。方法操作。研究,85,19-41(2017)·Zbl 1386.90105号 ·doi:10.1007/s00186-016-0566-9 [20] Li,DH;Fukushima,M.,一种改进的BFGS方法及其在非凸极小化中的全局收敛性,J.Compute。申请。数学。,129, 15-35 (2001) ·Zbl 0984.65055号 ·doi:10.1016/S0377-0427(00)00540-9 [21] Liu,X.,Hsieh,C.J.,Lee,J.D.,Sun,Y.:大规模机器学习的不精确子样本近端牛顿型方法。arXiv:1708.08552(2017) [22] Markowitz,H.,《投资组合选择》,J.Financ。,7, 77-91 (1952) [23] 莫达雷斯,F。;马萨诸塞州哈桑;Leong,WJ,用于大规模无约束优化的无记忆修正对称秩一方法,美国应用杂志。科学。,6, 2054-2059 (2009) ·doi:10.3844/ajaxsp.2009.2054.2059 [24] 莫伊,澳大利亚;Leong,WJ,通过对称秩一更新实现大规模优化的充分下降三项共轭梯度法,optimization,65121-143(2016)·Zbl 1335.65054号 ·doi:10.1080/02331934.2014.994625 [25] Nakayama,S.,无约束优化的三项共轭梯度法和无记忆拟牛顿法的混合方法,SUT J.Math。,54, 79-98 (2018) ·Zbl 1422.90055 [26] Nakayama,S。;Y.Narushima。;Yabe,H.,无记忆对称秩一方法,无约束优化的充分下降性,J.Oper。Res.Soc.Jpn.公司。,61, 53-70 (2018) ·Zbl 1391.90493号 [27] Nakayama,S。;Y.Narushima。;Yabe,H.,无约束优化中基于谱标度Broyden族的无记忆准Newton方法,J.Ind.Manag。最佳。,15, 1773-1793 (2019) ·Zbl 1438.90331号 [28] Nesterov,Y.,《凸优化入门讲座:基础课程》,87(2003),柏林:施普林格出版社,柏林 [29] Scheinberg,K。;Tang,X.,具有全局复杂性分析的实用不精确近似拟Newton方法,数学。程序。,160, 495-529 (2016) ·Zbl 1366.90166号 ·doi:10.1007/s10107-016-0997-3 [30] Shanno,DF,带不精确搜索的共轭梯度法,数学。操作。第3244-256号决议(1978年)·Zbl 0399.90077号 ·doi:10.1287/门3.3.244 [31] 斯洛伐克谢瓦德;Keerthi,SS,《使用稀疏逻辑回归进行基因选择的简单高效算法》,生物信息学,192246-2253(2003)·doi:10.1093/生物信息系统/btg308 [32] 斯特拉·L。;Themelis,A。;Patrinos,P.,非光滑优化问题的前向反拟Newton方法,计算。最佳方案。申请。,67, 443-487 (2017) ·Zbl 1401.90226号 ·doi:10.1007/s10589-017-9912-y [33] Sun,W。;Yuan,Y.,优化理论与方法:非线性规划(2006),柏林:施普林格,柏林·邮编1129.90002 [34] Themelis,A。;斯特拉·L。;Patrinos,P.,两个非凸函数之和的前向背向包络:进一步的性质和非单调线搜索算法,SIAM J.Optim。,28, 2274-2303 (2018) ·Zbl 1404.90106号 ·doi:10.1137/16M1080240 [35] Themelis,A。;阿霍霍什,M。;帕特里诺斯,P。;Bauschke,HH;波拉奇克,RS;Luke,DR,《关于通过不精确牛顿方法加速前向向后分裂》,分裂算法,现代算子理论和应用,363-412(2019),查姆:斯普林格,查姆·doi:10.1007/978-3-030-25939-615 [36] Tibshirani,R.,《通过套索进行回归收缩和选择》,J.R.Stat.Soc.Ser。B、 58、267-288(1996)·Zbl 0850.62538号 [37] Tibshirani,R.,《通过套索进行回归收缩和选择:回顾》,J.R.Stat.Soc.Ser。B、 73273-282(2011)·Zbl 1411.62212号 ·doi:10.1111/j.1467-9868.2011.00771.x [38] 温,B。;陈,X。;Pong,TK,一类非凸非光滑极小化问题的外推近似梯度算法的线性收敛性,SIAM J.Optim。,27, 124-145 (2017) ·Zbl 1359.90138号 ·doi:10.1137/16M1055323 [39] SJ赖特;罗德岛诺瓦克;Figueiredo,MAT,可分离近似稀疏重建,IEEE Trans。信号处理。,57, 2479-2493 (2009) ·Zbl 1391.94442号 ·doi:10.1109/TSP.2009.2016892 [40] 元,MM;Lin,Y.,《分组变量回归中的模型选择和估计》,J.R.Stat.Soc.Ser。B、 68、49-67(2006)·兹比尔1141.62030 ·doi:10.1111/j.1467-9868.2005302.x [41] Zhang,Y。;Tewarson,P.,具有Broyden家族预凸部分更新的准Newton算法,IMA J.Numer。分析。,8, 487-509 (1988) ·Zbl 0661.65061号 ·doi:10.1093/imanum/8.4.487 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。