Acceleration techniques for level bundle methods in weakly smooth convex constrained optimization
Acceleration techniques for level bundle methods in weakly smooth convex constrained optimization
复制标题
弱光滑凸约束优化中水平束方法的加速技术
DOI：
10.1007/s10589-020-00208-9
复制
发表时间：
2020
影响因子：
2.2
通讯作者：
Zhang, Wei
中科院分区：
文献类型：
--
作者：
Chen, Yunmei;Ye, Xiaojing;Zhang, Wei
提出了一种求解约束凸优化问题的统一水平束方法，称为加速约束水平束算法（ACLB）。其中目标和约束函数可以是非光滑的、弱光滑的和/或光滑的。ACLB采用Nesterov的加速梯度技术，并因此保留了现有的迭代复杂性，如果目标或约束函数之一是非光滑的斗争型方法。更重要的是，ACLB可以显着降低迭代的复杂性时，目标和所有的约束是（弱）光滑。此外，如果目标函数中含有一个非光滑成分，且该成分可以写成一种特殊形式的极大值，则该成分的迭代复杂度可以大大低于一般非光滑目标函数的迭代复杂度.数值结果验证了该算法的有效性。
We develop a unified level-bundle method, called accelerated constrained level-bundle (ACLB) algorithm, for solving constrained convex optimization problems. where the objective and constraint functions can be nonsmooth, weakly smooth, and/or smooth. ACLB employs Nesterov’s accelerated gradient technique, and hence retains the iteration complexity as that of existing bundle-type methods if the objective or one of the constraint functions is nonsmooth. More importantly, ACLB can significantly reduce iteration complexity when the objective and all constraints are (weakly) smooth. In addition, if the objective contains a nonsmooth component which can be written as a specific form of maximum, we show that the iteration complexity of this component can be much lower than that for general nonsmooth objective function. Numerical results demonstrate the effectiveness of the proposed algorithm.
登录
查看更多内容
使用不精确预言的加速捆绑级方法
影响因子：
--
作者：
YunMei, CHEN;Wei, ZHANG
通讯作者：
Wei, ZHANG
非光滑凸优化的目标半径方法
影响因子：
1.1
作者：
W. Oliveira
通讯作者：
W. Oliveira
用于凸优化的水平束类算法
影响因子：
1.8
作者：
Yunier Bello Cruz;W. Oliveira
通讯作者：
W. Oliveira
两阶段随机模型中的风险规避优化：计算方面和研究
影响因子：
3.1
作者：
Csaba I. Fábián;Christian Wolf;Achim Koberstein;L. Suhl
通讯作者：
L. Suhl