李敏；吴忠明 关于凸复合规划的具有不定近项的不精确多数sGS-ADMM的收敛速度。 （英语） Zbl 1481.90254号 亚太地区。《运营杂志》。物件。 38，第1号，文章ID 2050035，34 p.（2021）. 摘要：本文针对多块凸组合规划，提出了一种不精确优化对称高斯-赛德尔（sGS）交替方向乘子法（ADMM）。该方法是不精确优化ADMM的一种特殊形式，是为了解决一般的两块可分离优化问题而进一步提出的。新方法采用一定的相对误差准则来近似求解涉及的子问题，步长允许在范围\（0，（1+\sqrt{5}）/2）\内选择。在更一般的条件下，我们建立了所提方法的全局收敛性和Q-线性收敛速度。 引用于三文件 MSC公司： 90C25型 凸面编程 关键词：凸组合优化；不确定近端项；不精确的；优化ADMM；相对误差控制；对称高斯-塞德尔 软件：QSDPNAL公司 PDF格式BibTeX公司 XML格式引用 \textit{M.Li}和\textit{Z.Wu}，亚洲-太平洋。《运营杂志》。第38号决议，第1号，文章ID 2050035，34页（2021；Zbl 1481.90254） 全文： 内政部 参考文献： [1] Alves，M，Eckstein，J，Geremia，M和Melo，J（2020年）。Douglas-Rachford和ADMM分裂算法的相对误差惯性松弛不精确版本。计算优化与应用，75（2），389-422·兹比尔1432.90107 [2] Boley，D（2013）。二次或线性规划上交替方向乘数法的局部线性收敛性。SIAM优化杂志，23（4），2183-2207·Zbl 1288.65086号 [3] Boyd，S，Parikh，N，Chu，E，Peleato，B和Eckstein，J（2011）。通过交替方向乘数法进行分布式优化和统计学习。机器学习的基础与趋势，3（1），1-122·Zbl 1229.90122号 [4] Cai，XJ，Han，DR和Yuan，XM（2017）。关于具有一个强凸函数的三块可分凸极小化模型的ADMM直接扩张的收敛性。计算优化与应用，66（1），39-73·Zbl 1372.90079号 [5] Chen，CH，He，BS，Ye，YY和Yuan，XM（2016）。对于多块凸极小化问题，ADMM的直接推广不一定收敛。数学规划，155（1-2），57-79·Zbl 1332.90193号 [6] Chen，CH，Li，M，Liu，X和Ye，YY（2019a）。具有二次耦合项的不可分离凸最小化模型的扩展ADMM和BCD：收敛分析和见解。数学编程，173（1-2），37-77·Zbl 1415.90079号 [7] Chen，L，Sun，DF和Toh，KC（2017）。一种高效的基于非精确对称高斯-赛德尔的优化ADMM，用于高维凸组合锥规划。数学规划，161（1-2），237-270·Zbl 1356.90105号 [8] Chen，L，Sun，DF，Toh，KC和Zhang，N（2019b）。凸组合规划中基于对称高斯-赛德尔分解的近端ADMM的统一算法框架。计算数学杂志，37（6），739-757·Zbl 1463.90154号 [9] 佛罗里达州克拉克（1983）。优化和非光滑分析。纽约：Wiley·Zbl 0582.49001号 [10] Cui，Y，Li，XD，Sun，DF和Toh，KC（2016）。关于耦合目标函数线性约束凸优化问题的优化ADMM的收敛性。最优化理论与应用期刊，169（3），1013-1041·Zbl 1342.90130号 [11] 邓，W，赖，MJ，彭，ZM和尹，WT（2017）。具有\（o（1/k）\）收敛的并行多块ADMM。科学计算杂志，71（2），712-736·Zbl 1398.65121号 [12] Deng，W和Yin，WT（2016）。广义交替方向乘子法的全局收敛性和线性收敛性。科学计算杂志，66（3），889-916·Zbl 1379.65036号 [13] AL Dontchev和RT Rockafellar（2009年）。隐函数和解映射：来自变分分析的观点，Springer，纽约·兹比尔1178.26001 [14] Eckstein，J（1994）。凸规划的几种鞍函数分裂方法。优化方法与软件，4（1），75-83。 [15] Eckstein，J和Bertsekas，DP（1992年）。关于最大单调算子的Douglas-Rachford分裂方法和最近点算法。数学规划，55（1-3），293-318·Zbl 0765.90073号 [16] Eckstein，J和Silva，PJS（2013）。一种实用的增广拉格朗日相对误差准则。数学规划，141319-348·Zbl 1362.90312号 [17] Eckstein，J和Yao，W（2015）。理解交替方向乘数法的收敛性：理论和计算观点。太平洋优化杂志，11（4），619-644·Zbl 1330.90074号 [18] Eckstein，J和Yao，W（2017）。由拉格朗日分裂导出的近似ADMM算法。计算优化与应用，68（2），363-405·兹比尔1378.90063 [19] Eckstein，J和Yao，W（2018）。Douglas-Rachford分裂的相对误差近似版本和ADMM的特殊情况。数学规划，170（2），417-444·Zbl 1401.90151号 [20] Fazel，M，Pong，TK，Sun，DF和Tseng，P（2013）。Hankel矩阵秩最小化及其在系统辨识和实现中的应用。SIAM矩阵分析与应用杂志，34（3），946-977·Zbl 1302.90127号 [21] Figueiredo，MA，Bioucas-Dias，JM和Nowak，RD（2007年）。基于小波的图像恢复的优化最小化算法。IEEE图像处理汇刊，16（12），2980-1991。 [22] Fortin，M和Glowinski，R（1983年）。关于使用增广拉格朗日量的分解协调方法。《增广拉格朗日方法：在边界问题求解中的应用》，Fortin，M和Glowinski，R（eds.），第15卷，第97-146页。阿姆斯特丹：爱思唯尔·Zbl 0525.65045号 [23] Gabay，D和Mercier，B（1976年）。通过有限元近似求解非线性变分问题的对偶算法。计算机与数学应用，2，17-40·Zbl 0352.65034号 [24] Glowinski，R和Marroco，A（1975年）。在近似条件下，部分完成了“秩序”，以及“解决方案”，部分实现了“非利奈狄里克雷特问题”。ESAIM：数学建模与数值分析——数学建模与分析数字，9，41-76·Zbl 0368.65053号 [25] Hager，WW和Zhang，HC（2019）。可分离凸优化的非精确交替方向乘子方法。计算优化与应用，73201-235·Zbl 1414.90228号 [26] Han，DR，Sun，DF和Zhang，LW（2017）。凸组合二次半定规划的交替方向乘子法的线性速度收敛性。运筹学数学，43（2），622-637·Zbl 1440.90047号 [27] Han，DR和Yuan，XM（2012）。关于乘数交替方向法的注记。优化理论与应用杂志，155（1），227-238·Zbl 1255.90093号 [28] Han，DR和Yuan，XM（2013）。二次规划交替方向乘数法的局部线性收敛性。SIAM数值分析杂志，51（6），3446-3457·Zbl 1285.90033号 [29] 何，BS，廖，LZ，韩，DR和杨，H（2002）。单调变分不等式的一种新的非精确交替方向方法。数学规划，92（1），103-118·Zbl 1009.90108号 [30] He，BS，Ma，F和Yuan，XM（2020a）。最优近端增广拉格朗日方法及其在多块可分离凸极小化问题的完全雅可比分裂中的应用。IMA数值分析杂志，40（2），1188-1216·Zbl 1462.65066号 [31] He，BS，Ma，F和Yuan，XM（2020b）。凸规划中交替方向乘数法的最优线性化。计算优化与应用，75361-388·Zbl 1432.90111号 [32] He，BS，Xu，HK和Yuan，XM（2016）。关于多块可分凸极小化问题的ALM的近似雅可比分解及其与ADMM的关系。科学计算杂志，66（3），1204-1217·Zbl 1371.65052号 [33] He，BS和Yuan，XM（2012）。关于Douglas-Rachford交替方向法的（O（1/n））收敛速度。SIAM数值分析杂志，50（2），700-709·Zbl 1245.90084号 [34] Hiriart-Urruti，JB和Lemaréchal，C（2013）。凸分析与最小化算法I：基础，第305卷，Springer科学与商业媒体·Zbl 0795.49001号 [35] Hong、MY、TH Chang、XF Wang、M Razaviyayn、SQ Ma和ZQ Luo（2014）。线性约束凸优化的乘数块连续上界最小化方法。arXiv:1401.7079·Zbl 1456.90124号 [36] Hong，MY和Luo，ZQ（2017）。关于交替方向乘数法的线性收敛性。数学规划，162（1-2），165-199·兹比尔1362.90313 [37] Lemaréchal，C和Sagastizábal，C（1997）。Moreau-Yosida正则化的实际方面：理论预备。SIAM优化杂志，7（2），367-385·Zbl 0876.49019号 [38] Li，M，Liao，LZ和Yuan，X（2013）。具有对数二次近似正则化的乘数的非精确交替方向方法。优化理论与应用杂志，159（2），412-436·Zbl 1282.90197号 [39] Li，M，Sun，DF和Toh，KC（2015）。针对一个强凸块的凸极小化问题，提出了一种收敛的3块半近似ADMM。《亚洲太平洋运筹学杂志》，32（4），1550024·Zbl 1327.90214号 [40] Li，M，Sun，DF和Toh，KC（2016a）。线性约束凸组合优化的具有不确定近似项的优化ADMM。SIAM优化杂志，26（2），922-950·兹比尔1338.90305 [41] Li，XD，Sun，DF和Toh，KC（2016）。一种基于Schur补码的凸二次锥规划半近似ADMM及其扩展。数学规划，155（1-2），333-373·Zbl 1342.90134号 [42] Li，XD，Sun，DF和Toh，KC（2018年）。QSDPNAL：凸二次半定规划的两阶段增广拉格朗日方法。数学规划计算，10（4），703-743·Zbl 1411.90213号 [43] Li，XD，Sun，DF和Toh，KC（2019年）。凸组合二次规划的块对称高斯-赛德尔分解定理及其应用。数学规划，175（1-2），395-418·Zbl 1412.90086号 [44] Lin，TY，Ma，SQ和Zhang，SZ（2015）。关于多块变量ADMM的全局线性收敛性。SIAM优化杂志，25（3），1478-1497·Zbl 1333.90095号 [45] Lin，TY，Ma，SQ和Zhang，SZ（2016）。无强凸性凸极小化族的多块ADMM迭代复杂性分析。科学计算杂志，69（1），52-81·Zbl 1348.90522号 [46] Lin，TY，Ma，SQ和Zhang，SZ（2018）。一类凸极小化问题的未修正三块ADMM的全局收敛性。科学计算杂志，76（1），69-88·兹比尔1415.65140 [47] Liu，YC，Yuan，XM，Zeng，SZ和Zhang，J（2018）。交替方向乘子法的部分误差界条件和线性收敛速度。SIAM数值分析杂志，56（4），2095-2123·兹比尔1402.90121 [48] Luo，ZQ和Tseng，P（1992）。仿射变分不等式问题矩阵分裂算法的误差界和收敛性分析。SIAM优化杂志，2（1），43-54·Zbl 0777.49010号 [49] Moreau，JJ（1965）。爱斯佩斯·希尔伯蒂安（hilbertien）的Proximitéet dualitédans un espace。法国社会数学公报，93，273-299·Zbl 0136.12101号 [50] Solodov，MV和Svaiter，BF（1999）。一种使用最大单调算子扩大的混合近似外梯度-最大点算法。集值分析，7（4），323-345·Zbl 0959.90038号 [51] Solodov，MV和Svaiter，BF（2000）。一种不精确的混合广义近点算法和Bregman函数理论的一些新结果。运筹学数学，25（2），214-230·Zbl 0980.90097号 [52] Tao，M和Yuan，XM（2018）。多块可分凸极小化ADMM直接推广的收敛性分析。计算数学进展，44（3），773-813·Zbl 1393.90089号 [53] Wang，CJ和Tang，PP（2017）。求解大规模线性约束凸规划的原优化半光滑Newton-CG增广拉格朗日方法。计算优化与应用，68（3），503-532·Zbl 1394.90465号 [54] Wang、XF、Hong、MY、Ma、SQ和Luo、ZQ（2015）。使用乘法器的两块交替方向方法求解多块可分离凸最小化问题。太平洋优化杂志，11（4），645-667·兹比尔1332.65080 [55] 谢JX（2018）。关于具有相对误差标准的不精确ADMM。计算优化与应用，71，743-765·Zbl 1414.90275号 [56] Yang，WH和Han，DR（2016）。一类凸优化问题交替方向乘子法的线性收敛性。SIAM数值分析杂志，54（2），625-640·Zbl 1342.90138号 [57] Yen，TJ（2011）。使用尖峰和平板先验进行变量选择的优化-最小化方法。《统计年鉴》，39（3），1748-1775年·Zbl 1220.62065号 [58] Zhang，N，Wu，J和Zhang，LW（2020）。凸组合规划的具有不确定近似项的线性收敛优化ADMM及其应用。计算数学，891867-1894·Zbl 1441.90123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。