肯尼思·兰格;埃里克·C·池。;周，华 统计学家对现代优化的简要概述。 （英语） Zbl 1418.90007号 国际统计版次。 82，第1期，46-70（2014）. 摘要：现代计算统计学正越来越多地转向高维优化，以处理海量大数据。一旦建立了模型，就可以通过优化来估计其参数。由于模型的简约性很重要，因此模型通常包括不可微的惩罚条款，如套索。这种清醒的现实使最小化和最大化变得复杂。我们的广泛调查强调了算法设计中的几个重要原则。与其孤立地看待这些原则，不如将它们混合搭配起来更有效率。一些精心挑选的例子说明了这一点。还强调了算法推导，淡化了理论，尤其是凸演算的抽象。因此，我们的调查应该是有用的，并且能够为广大观众所接受。 引用于4评论引用于11文件 MSC公司： 90-02 与运筹学和数学规划有关的研究博览会（专著、调查文章） 62-02 与统计有关的研究展览（专著、调查文章） 90C06型 数学规划中的大尺度问题 10层62层 点估计 65H10型 方程组解的数值计算 关键词：块松弛;牛顿法;MM算法;惩罚;增广拉格朗日函数;加快 PDF格式BibTeX公司 XML格式引用 \textit{K.Lange}等人，《国际统计年鉴》第82版，第1期，第46--70页（2014年；Zbl 1418.90007） 全文： 内政部 链接