×

结构化BFGS矩阵的紧凑表示。 (英语) Zbl 1473.90086号

摘要:对于一般的大规模优化问题,存在紧致表示,其中递归拟Newton更新公式表示为紧致矩阵分解。对于目标函数包含附加结构的问题,最近的结构化拟Newton方法利用了可用的二阶导数信息和近似的不可用二阶导数。本文发展了两个结构化Broyden-Fletcher-Goldfarb-Shanno更新公式的紧凑表示。紧凑的表示支持有效的有限内存和初始化策略。描述了两种有限存储线搜索算法,其大量数值结果证明了算法的有效性,包括在大型机器学习问题上与IPOPT的比较,以及在实际大规模心电成像应用中与L-BFGS的比较。

MSC公司:

90C06型 数学规划中的大尺度问题
90元53 拟Newton型方法
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Barzilai,J。;Borwein,J.,两点步长梯度法,IMA J.Numer。分析。,8, 1, 141-148 (1988) ·Zbl 0638.65055号 ·doi:10.1093/imanum/8.1.141
[2] 博格斯,P。;Byrd,R.,无约束优化的自适应有限内存bfgs算法,SIAM J.Optim。,29, 2, 1282-1299 (2019) ·Zbl 1431.65082号 ·doi:10.1137/16M1065100
[3] Brandwood,DH,复梯度算子及其在自适应阵列理论中的应用,IEEE Proc。F公共。雷达信号处理。,130, 1, 11-16 (1983) ·doi:10.1049/ip-f-1.1983.0003
[4] Broyden,CG,一类双秩最小化算法的收敛性1。一般考虑,IMA J.Appl。数学。,6, 1, 76-90 (1970) ·Zbl 0223.65023号 ·doi:10.1093/imamat/6.1.76
[5] 布鲁斯特,JJ;O.布尔达科夫。;埃韦,JB;Marcia,RF,有限记忆拟牛顿方法的稠密初始化,计算。优化。申请。,74, 1, 121-142 (2019) ·Zbl 1427.90292号 ·文件编号:10.1007/s10589-019-00112-x
[6] 伯德,RH;总经理Chin;奈维特,W。;Nocedal,J.,《随机海森信息在机器学习优化方法中的应用》,SIAM J.Optim。,21, 977-995 (2011) ·Zbl 1245.65062号 ·数字对象标识码:10.1137/10079923X
[7] 伯德,右侧;Nocedal,J。;Schnabel,RB,拟Newton矩阵的表示及其在有限记忆方法中的应用,数学。程序。,63, 129-156 (1994) ·Zbl 0809.90116号 ·doi:10.1007/BF01582063
[8] Chang,CC;Lin,CJ,Libsvm:支持向量机库,ACM Trans。智力。系统。技术。,2, 3, 27:1-27:27 (2011) ·数字对象标识代码:10.1145/1961189.1961199
[9] 丹尼斯·J。;Moré,J.,《准牛顿方法、动机和理论》,SIAM Rev.,19,46-89(1977)·Zbl 0356.65041号 ·doi:10.1137/1019005
[10] 小JE丹尼斯;男同性恋,DM;Walsh,RE,自适应非线性最小二乘算法,ACM Trans。数学。软质。,7, 3, 348-368 (1981) ·Zbl 0464.65040号 ·数字对象标识代码:10.1145/355958.355965
[11] 小JE丹尼斯;马丁内斯,HJ;Tapia,RA,结构化bfgs割线方法的收敛理论及其在非线性最小二乘中的应用,J.Optim。理论应用。,61, 2, 161-178 (1989) ·Zbl 0645.65026号 ·doi:10.1007/BF00962795
[12] Dolan,E。;Moré,J.,《性能曲线基准优化软件》,数学。程序。,91, 201-213 (2002) ·邮编:1049.90004 ·doi:10.1007/s101070100263
[13] Fletcher,R.,可变度量算法的新方法,计算。J.,13,3,317-322(1970)·Zbl 0207.17402号 ·doi:10.1093/comjnl/13.3317
[14] Fung,西南;Di Wendy,Z.,《大规模心电相位恢复的多重网格优化》,SIAM J.成像科学。,13, 1, 214-233 (2020) ·Zbl 07196102号 ·doi:10.1137/18M1223915
[15] 吉尔,体育;Murray,W.,解决非线性最小二乘问题的算法,SIAM J.Numer。分析。,11, 311-365 (2010)
[16] Goldfarb,D.,由变分平均值导出的一系列变分度量方法,数学。公司。,24, 23-26 (1970) ·Zbl 0196.18002号 ·doi:10.1090/S0025-5718-1970-0258249-6
[17] 古尔德,NIM;Orban,D。;Toint、PL、CUTEr和SifDec:约束和非约束测试环境,重访ACM Trans。数学。软质。,29, 4, 373-394 (2003) ·Zbl 1068.90526号 ·数字对象标识代码:10.1145/962437.96243439
[18] Mahajan,A.,Leyffer,S.,Kirches,C.:通过qp跳转求解混合整数非线性程序。技术报告ANL/MCS-P2071-0312,伊利诺伊州莱蒙特市阿贡国家实验室数学和计算机科学部(2012)
[19] 莫雷,JJ;Thuente,DJ,保证充分减少的行搜索算法,ACM Trans。数学。软质。,20, 3, 286-307 (1994) ·兹伯利0888.65072 ·数字对象标识代码:10.1145/192115.192132
[20] Nocedal,J.,用有限存储更新拟Newton矩阵,数学。计算。,35773-782(1980年)·Zbl 0464.65037号 ·doi:10.1090/S0025-5718-1980-0572855-7
[21] Nocedal,J。;Wright,SJ,数值优化(1999),纽约:Springer-Verlag,纽约·Zbl 0930.65067号 ·数字对象标识代码:10.1007/b98874
[22] 佩特拉,C。;蒋,N。;Anitescu,M.,用不完全hessian信息进行优化的结构化拟牛顿算法,SIAM J.Optim。,29, 2, 1048-1075 (2019) ·Zbl 1411.90358号 ·doi:10.1137/18M1167942
[23] Remmert,R.,《复函数理论》(1991),纽约:Springer-Verlag出版社,纽约·Zbl 0732.32002号 ·doi:10.1007/978-1-4612-0939-3
[24] Shanno,DF,函数最小化的拟Newton方法条件,数学。计算。,24, 647-656 (1970) ·Zbl 0225.65073号 ·doi:10.1090/S0025-5718-1970-0274029-X
[25] Sorber,L。;巴雷尔,MV;Lathauwer,LD,复变量实函数的无约束优化,SIAM J.Optim。,22, 3, 879-898 (2012) ·Zbl 1260.90150号 ·doi:10.1137/110832124
[26] Sra,S。;Nowozin,S。;SJ Wright,《机器学习优化》(2011),纽约:麻省理工学院出版社,纽约·doi:10.7551/mitpress/8996.001.0001
[27] Teo,中国;Vishwanthan,S。;斯莫拉,AJ;Le,QV,正则化风险最小化的束方法,J.Mach。学习。第11号决议,311-365(2010年)·Zbl 1242.68253号
[28] 瓦希特,A。;Biegler,LT,《关于大规模非线性规划中点内滤波器线性搜索算法的实现》,数学。程序。,106,25-57(2006年)·Zbl 1134.90542号 ·doi:10.1007/s10107-004-0559-y
[29] Yabe,H。;Takahashi,T.,非线性最小二乘问题的分解拟牛顿方法,数学。程序。(1991) ·Zbl 0737.90064号 ·doi:10.1007/BF01586927
[30] 朱,C。;伯德·R。;Nocedal,J.,算法778:L-BFGS-B:大规模有界约束优化的fortran子程序,ACM Trans。数学。软质。,23, 550-560 (1997) ·Zbl 0912.65057号 ·doi:10.145/279232.279236
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。