×

两个算子之和的自适应Douglas Rachford分裂算法。 (英语) Zbl 1440.47054号

作者摘要:Douglas Rachford算法是一种经典而强大的分裂方法,用于最小化两个凸函数的和,更一般地,找到两个最大单调算子的和的零。虽然当涉及的算子是单调或强单调时,该算法很容易理解,但对于弱单调设置的收敛理论还远远不够完善。本文针对两个算子的和提出了一种自适应Douglas-Rachford分裂算法,其中一个算子是强单调的,而另一个算子则是弱单调的。在适当选择参数的情况下,该算法全局收敛到一个不动点,并由此导出问题的解。当一个算子为Lipschitz连续时,我们证明了全局线性收敛性,这进一步深化了最近的已知结果。

MSC公司:

47J26型 定点迭代
47时05分 单调算子和推广
49平方米27 分解方法
41A25型 收敛速度,近似度
65K10码 数值优化和变分技术
90C25型 凸面编程
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] F.J.Aragoín Artacho、J.M.Borwein和M.K.Tam,非凸可行性问题Douglas-Rachford方法的全局行为、J.Global Optim.、。,65(2016),第309-327页·Zbl 1338.90310号
[2] H.H.Bauschke和P.L.Combettes,Hilbert空间中的凸分析和单调算子理论,CMS图书数学/Ouvrages数学。SMC,第二版,施普林格,查姆,2017年·Zbl 1359.26003号
[3] H.H.Bauschke、P.L.Combettes和D.R.Luke,在Hilbert空间中寻找关于两个闭凸集的最佳逼近对《J.近似理论》,127(2004),第178-192页·Zbl 1050.46021号
[4] H.H.Bauschke和M.N.Dao,欧氏空间中求解(不一定是凸的)可行性问题的Douglas-Rachford算法的有限收敛性、SIAM J.Optim.、。,27(2017),第507-537页·Zbl 1365.90194号
[5] H.H.Bauschke、M.N.Dao和W.M.Moursi,仿射凸情形下的Douglas-Rachford算法,操作。Res.Lett.公司。,44(2016),第379-382页·兹比尔1408.90231
[6] H.H.Bauschke、M.N.Dao、D.Noll和H.M.Phan,近点算法、Douglas-Rachford算法和交替投影:一个案例研究,凸面分析杂志。,23(2016),第237-261页·Zbl 1350.65057号
[7] H.H.Bauschke、M.N.Dao、D.Noll和H.M.Phan,欧氏空间凸可行性问题的Slater条件和Douglas-Rachford算法的有限收敛性、J.Global Optim.、。,65(2016),第329-349页·Zbl 1345.90065号
[8] H.H.Bauschke和W.M.Moursi,关于Douglas-Rachford算法,数学。程序。,164(2017),第263-284页·Zbl 06751028号
[9] J.Benoist,球面和直线情况下的Douglas-Rachford算法、J.Global Optim.、。,63(2015),第363-380页·Zbl 1353.90175号
[10] J.M.Borwein,五十年的最大单调性,最佳。莱特。,4(2010年),第473-490页·Zbl 1214.47043号
[11] J.M.Borwein、G.Li和M.K.Tam,常见不动点问题平均不动点迭代的收敛速度分析、SIAM J.Optim.、。,27(2017),第1-33页·Zbl 1361.90045号
[12] J.M.Borwein、B.Sims和M.K.Tam,真实投影和反射方法的范数收敛性《优化》,第64页(2015年),第161-178页·Zbl 1440.47050号
[13] R.I.Boţ、E.R.Csetnek和A.Heinrich,求极大单调算子和零点的原对偶分裂算法、SIAM J.Optim.、。,23(2013),第2011-2036页·Zbl 1314.47102号
[14] L.M.Bricen͂o-Arias和P.L.Combettes,对偶复合单调包含的单调(+)斜分裂模型、SIAM J.Optim.、。,21(2011),第1230-1250页·Zbl 1239.47053号
[15] R.S.Burachik和A.N.Iussem,集值映射与单调算子的扩张,施普林格,纽约,2008年·兹比尔1154.49001
[16] P.L.组合体,极大单调算子和的预解式的迭代构造,J.凸面分析。,16(2009年),第727-748页·兹比尔1193.47067
[17] M.N.Dao和H.M.Phan,投影算法的线性收敛性,数学。操作。研究,44(2019),第715-738页·Zbl 1446.47064号
[18] M.N.Dao和H.M.Phan,可行性问题广义Douglas-Rachford算法的线性收敛性、J.Global Optim.、。,72(2018),第443-474页·Zbl 1499.90170号
[19] M.N.Dao和M.K.Tam,Douglas-Rachford算法收敛的Lyapunov型方法、J.Global Optim.、。,73(2019年),第83-112页·Zbl 1417.90118号
[20] D.Davis和W.Yin,正则性假设下松弛Peaceman-Rachford和ADMM的更快收敛速度,数学。操作。决议,42(2017),第783-805页·Zbl 1379.65035号
[21] 邓文华和尹文华,广义交替方向乘子法的全局收敛性和线性收敛性,《科学杂志》。计算。,66(2016),第889-916页·Zbl 1379.65036号
[22] J.Douglas和H.H.Rachford,二元和三元空间热传导问题的数值解,事务处理。阿默尔。数学。《社会学杂志》,82(1956),第421-439页·Zbl 0070.35401号
[23] J.Eckstein和D.P.Bertsekas,关于最大单调算子的Douglas-Rachford分裂方法和邻近点算法,数学。程序。,55(1992),第293-318页·Zbl 0765.90073号
[24] M.Fa¨lt和P.Giselsson,广义交替投影的最优收敛速度,《2017年IEEE第56届决策与控制年会论文集》,IEEE出版社,新泽西州皮斯卡塔韦,2017年,第2268-2274页。
[25] D.Gabay和B.Mercier,有限元逼近求解非线性变分问题的对偶算法,计算。数学。申请。,2(1976),第17-40页·Zbl 0352.65034号
[26] P.Giselsson,Douglas—Rachford分裂的紧全局线性收敛速度界,J.不动点理论应用。,19(2017),第2241-2270页·Zbl 1380.65104号
[27] K.Guo、D.Han和X.Yuan,“强(+)弱”凸规划Douglas-Rachford分裂方法的收敛性分析,SIAM J.数字。分析。,55(2017),第1549-1577页·Zbl 1368.47038号
[28] K.Guo和D.Han,关于下凸函数优化问题的Douglas Rachford分裂方法的一个注记、J.Global Optim.、。,72(2018),第431-441页·Zbl 1412.90107号
[29] R.黑塞和D.R.卢克,可行性问题基本算法的正则性和收敛性的非凸概念、SIAM J.Optim.、。,23(2013),第2397-2419页·Zbl 1288.65094号
[30] P.-L.狮子和B.Mercier,两个非线性算子和的分裂算法,SIAM J.数字。分析。,16(1979年),第964-979页·Zbl 0426.6500号
[31] B.S.Mordukhovich,变分分析与广义微分Ⅰ:基本理论、格兰德伦数学。威斯。330,施普林格,柏林,2006年。
[32] W.M.Moursi和L.Vandenberghe,Lipschitz连续强单调算子的Douglas-Rachford分裂,J.Optim。理论应用。,出现·Zbl 07112082号
[33] H.M.Phan,两闭集上Douglas-Rachford方法的线性收敛性《优化》,65(2016),第369-385页·Zbl 1334.49089号
[34] R.T.Rockafellar,单调算子和最近点算法SIAM J.控制优化。,14(1976年),第877-898页·Zbl 0358.90053号
[35] J.E.Spingarn,单调算子的部分逆,申请。数学。最佳。,10(1983年),第247-265页·Zbl 0524.90072号
[36] B.F.Svaiter,关于Douglas-Rachford方法的弱收敛性SIAM J.控制优化。,49(2011),第280-287页·兹比尔1220.47064
[37] J.-P.小瓶,集和函数的强凸性和弱凸性,数学。操作。Res.,8(1983),第231-259页·兹伯利0526.90077
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。