陈泰博近似分解方法的再认识

@第{Ma2020ARO条，title={重新审视Chen-Tebulle基于近似的分解方法}，author={凤鸣马}，journal={工业与管理优化期刊}，年份={2020年}，网址={https://api语义scholar.org/语料库ID:219956347}}
本文表明，Chen-Tebulle的基于近似的分解方法可以解释为一种近似增广拉格朗日方法，并基于这种解释提出了三种广义方法。
[PDF]语义阅读器

本文中的数字

询问这篇论文
贝塔
AI供电

我们的系统试图限制本文中找到的信息。结果质量可能有所不同。了解更多信息关于我们如何产生这些答案。

19参考文献

凸极小化问题的近似分解方法

本文提出了一种求解凸极小化问题的分解方法，该方法保留了乘法器近似方法的良好特性，并具有使约束解耦的额外优点，因此适合并行实现。

基于乘数逼近法的凸极小化分解方法的收敛速度分析

证明了两类基于PMM的分解算法在函数值和约束违反情况下的各种次线性全局收敛速度结果，以及两类算法产生的序列收敛到最优原对偶解。

基于混合非精确近点框架的凸优化和单调变分包含的一类分解方法

    M.索洛多夫
    数学、计算机科学
    最佳方案。方法软件。
  • 2004
对凸规划和变分不等式的分解算法的分析提供了对这些分解方案本质的新见解，并为通过近似求解子问题来推导更实用的方法铺平了道路。

一种利用最大单调算子放大的混合近似梯度外-近点算法

结果表明，改进的Tseng前向-后向分裂算法符合所提出的一般框架，并允许显著放宽对近点子问题的解施加的容差要求。

基于Proximal的并行分解方法的灵敏度分析

结果表明，所涉及的参数范围可以扩大，但仍能建立收敛性，对稳定主成分追踪问题的初步数值试验证明了这种扩大的优点。

最优逼近增广拉格朗日方法及其在多块可分离凸极小化问题完全雅可比分裂中的应用

结果表明，对于近端ALM，不必使用正定的二次近端项，如果通过减少近端参数将正定性放宽到不确定性，则仍可以确保收敛。

关于凸极小化的一些定制近点算法的松弛：从变分不等式的角度

本文采用混合变分不等式方法对这些定制的PPA算法进行统一处理，并提出了一种新的松弛策略，该策略基于对偶变量的单独修正，而不依赖于对原始变量的松弛。

Douglas-Rachford交替方向法的O（1/n）收敛速度

本文重点讨论了Glowinski和Marrocco提出的Douglas-Rachford ADM格式，目的是提供一种简单的方法来根据迭代次数估计其收敛速度。

线性约束凸极小化和鞍点问题的定制近点算法：统一方法

本文重点讨论了近点算法（PPA）在两类问题中的一些定制应用：线性约束的凸极小化问题和泛型或可分问题…

Chen-Tebulle算法是近点算法

使用最新的见解重新审视了Chen-Tebulle算法，结果表明，这允许步长参数有更好的界。