阿尔弗雷多·N·尤塞姆(Alfredo N.Iusem)。;亚历杭德罗·乔弗雷;罗伯托·奥利维拉。;菲利普·汤普森 随机变分不等式的基于方差的线搜索外梯度方法。 (英语) Zbl 1415.65145号 SIAM J.Optim公司。 29,第1期,175-206(2019). 摘要:在本文中,我们针对随机变分不等式(SVI)提出了动态抽样随机近似(DS-SA)外梯度方法,其中坚固耐用的关于未知Lipschitz常数\(L\)。据我们所知,我们建议首先证明收敛坚固耐用的沙特阿拉伯方差减少法,对于SVI或随机优化,假设在大样本范围内只有一个无偏随机预言机。这扩大了适用性,并提高了之前方差减少方法的预期有效加速,直至常数,所有这些方法都假定已知(L)(因此,对其估计不可靠)。准确地说,与以往采用小步长策略的稳健方法的迭代和预言复杂性相比,我们的稳健方法使用DS-SA线搜索方案,获得了迭代复杂性更快的(mathcal O(epsilon{-1}),预言复杂性为(ln L)mathcal O(d\epsilon^{-2})\)(d维空间的)(在(epsilon^{-1})上最多记录因子)。这与样本平均近似估计量的样本复杂度匹配,直至常数,样本平均近似估计器不假设额外的问题信息(例如\(L\))。与以前针对病态问题的稳健方法不同,我们允许一个无界可行集和一个带有乘性噪声(MN)其方差不一定一致有界。这些特性在我们的复杂性估计中得到了认可,它只依赖于(L)和地方的方差或解的四阶矩。我们的DS-SA线搜索方案的鲁棒性和方差减少特性以牺牲非类马氏依赖关系(NMD),因为需要对\(L\)的下限进行内部统计估计。为了处理NMD和MN,我们的证明依赖于一部小说迭代定位基于经验过程理论的论证。 引用于1审查引用于31文件 MSC公司: 65K15码 变分不等式及相关问题的数值方法 90立方厘米 互补、平衡问题和变分不等式(有限维)(数学规划方面) 90立方厘米 随机规划 62L20型 随机近似 关键词:随机变分不等式;随机近似;外梯度法;方差减少;动态取样;行搜索;经验过程理论 PDF格式BibTeX公司 XML格式引用 \textit{A.N.Iusem}等人,SIAM J.Optim。29,第1号,175--206(2019;Zbl 1415.65145) 全文: 内政部 arXiv公司 参考文献: [1] A.Agarwal、P.Barlett、P.Ravikumar和M.J.Wainwright,{随机凸优化预言复杂性的信息论下限},IEEE Trans。通知。《理论》,58(2012),第3235-3249页·Zbl 1365.94132号 [2] L.Armijo,{具有Lipschitz连续一阶偏导数的函数的最小化},太平洋数学杂志。,16(1966年),第1-3页·Zbl 0202.46105号 [3] F.Bach和E.Moulines,《机器学习随机近似算法的非症状分析》,摘自《神经信息处理系统进展》,麻省理工学院出版社,马萨诸塞州剑桥,2011年,第451-459页。 [4] L.Bottou、F.E.Curtis和J.Nocedal,《大规模机器学习的优化方法》,SIAM Rev.,60(2018),第223-311页·Zbl 1397.65085号 [5] S.Boucheron、G.Lugosi和P.Massart,《浓度不等式:独立性的非渐近理论》,牛津大学出版社,英国牛津,2013年·Zbl 1279.60005号 [6] R.H.Byrd、G.M.Chin、J.Nocedal和Y.Wu,{机器学习优化方法中的样本大小选择},数学。程序。,134(2012),第127-155页·Zbl 1252.49044号 [7] Y.Chen,G.Lan和Y.Ouyang,{一类变分不等式的加速格式},数学。程序。,165(2017),第113-149页·Zbl 1386.90102号 [8] F.Facchini和J.-S.Pang,{有限维变分不等式和互补问题},Springer,纽约,2003年·Zbl 1062.90001号 [9] J.-B.Hiriart-Urruti,{算法随机de re解d'eк方程et d'ineк方程variationnelles},Z.Wahrsch。版本。Gebiete,33(1975/76),第167-186页·Zbl 0305.49040号 [10] D.Hsu,S.M.Kakade,and T.Zhang,{亚高斯随机向量二次型的尾部不等式},Electron。Commun公司。概率。,17(2012),第1-6页·Zbl 1309.60017号 [11] A.N.Iussem、A.Jofré、R.I.Oliveira和P.Thompson,{\it随机变分不等式的方差约简外梯度方法},SIAM J.Optim。,27(2017),第686-724页·兹比尔1365.65179 [12] A.N.Iusem、A.Jofreí和P.Thompson,{单调随机变分不等式的增量约束投影方法},数学。操作。Res.,以显示·Zbl 1477.65101号 [13] A.N.Iusem和B.F.Svaiter,{\it Korpelevich变分不等式方法的一种变体,新搜索策略},《优化》,42(1997),第309-321页·Zbl 0891.90135号 [14] 姜浩,徐浩,{随机变分不等式问题的随机逼近方法},IEEE Trans。自动化。控制,53(2008),第1462-1475页·Zbl 1367.90072号 [15] A.Juditsky、A.Nemirovski和C.Tauvel,{用随机镜像算法求解变分不等式},Stoch。系统。,1(2011年),第17-58页·Zbl 1291.49006号 [16] A.Kannan和U.V.Shanbhag,{伪单调随机变分不等式问题及其变量的最优随机外梯度方案},预印本,2017年·Zbl 1439.90069号 [17] E.N.Khobotov,{解变分不等式和某些优化问题的外梯度法的修正},美国科学院计算。数学。和数学。物理。,27(1987),第120-127页·Zbl 0665.90078号 [18] J.Koshal,A.Nedicí和U.V.Shanbhag,{随机变分不等式问题的正则化迭代随机逼近方法},IEEE Trans。自动化。控制,58(2013),第594-609页·Zbl 1369.49012号 [19] N.Krejicí,Z.Luzanin,F.Nikolovski,and I.Stojkovska,{噪声最小化的非单调线搜索方法},Optim。莱特。,9(2015),第1371-1391页·Zbl 1327.90396号 [20] N.Krejicí,Z.Luzanin,Z.Ovcin,和I.Stojkovska,{噪声环境下无约束优化的直线搜索下降方向法},Optim。方法软件。,30(2015),第1164-1184页·Zbl 1328.90091号 [21] D.Maclaurin、D.Duvenaud和R.P.Adams,《通过可逆学习实现基于梯度的超参数优化》,载于《ICML’15:第32届国际机器学习会议论文集》,2015年第37卷,第2113-2122页。 [22] M.Mahsereci和P.Hennig,{随机优化的概率线搜索},《神经信息处理系统进展》,麻省理工学院出版社,马萨诸塞州剑桥,2015年,第181-189页·兹比尔1441.90110 [23] C.Marinelli和M.Roáckner,《关于伯克霍尔德、戴维斯和冈迪的最大不等式》,Expo。数学。,34(2016),第1-26页·Zbl 1335.60064号 [24] P.-Y.Masseí和Y.Ollivier,《飞行中的速度学习》,预印本,2015年。 [25] A.Nemirovski、A.Juditsky、G.Lan和A.Shapiro,{随机规划的稳健随机近似方法},SIAM J.Optim。,19(2009),第1574-1609页·Zbl 1189.90109号 [26] D.Panchenko,{经验过程集中不等式的对称化方法},Ann.Probab。,31(2003),第2068-2081页·兹比尔1042.60008 [27] B.T.Polyak和A.B.Juditsky,{通过平均加速随机逼近},SIAM J.控制优化。,30(1992),第838-855页·Zbl 0762.62022号 [28] H.Robbins和S.Monro,《随机近似方法》,《数学年鉴》。《统计学》,22(1951),第400-407页·Zbl 0054.05901号 [29] R.T.Rockafellar和R.J.-B.Wets,{变分分析},施普林格,柏林,1998年·Zbl 0888.49001号 [30] T.Schaul、S.Zhang和Y.Lecun,《不再有令人讨厌的学习率》,载于《ICML’13:第30届机器学习国际会议论文集》,2013年第28卷,第343-351页。 [31] A.Shapiro、D.Dentcheva和A.Ruszczynáski,《随机编程讲座:建模和理论》,SIAM,费城,2009年·邮编:1183.90005 [32] V.A.Steklov,{\it Sur les expressions symplantiques de certaines foctions definies par les equations differentielles du second ordre,et leurs applications au problème du developmentd’une foction arbiire en series proce-dant suivant les-dites foctions},Comm.Charkov Math。《社会学杂志》,第2卷(1907年),第97-199页。 [33] C.Tan、S.Ma、Y.-H.Dai和Y.Qian,{随机梯度下降的Barzilai-Borwein步长},预印本,2016年。 [34] Y.Wardi,{函数最小化的Armijo步长随机算法},J.Optim。理论应用。,64(1990年),第399-417页·Zbl 0687.90086号 [35] F.Yousefian、A.Nedicí和U.V.Shanbhag,{关于具有自适应步长序列的随机梯度和次梯度方法},Automatica J.IFAC,48(2012),第56-67页·Zbl 1244.93178号 [36] F.Yousefian,A.Nedicí,和U.V.Shanbhag,{关于随机变分不等式问题的随机近似方法中的平滑、正则化和平均化},数学。程序。,165(2017),第391-431页·Zbl 1457.90102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。