Toward investigating the intrinsic mechanism of accelerated (sub)gradient methods for convex optimization problems

研究凸优化问题的加速（次）梯度方法的内在机制

• 批准号: 18K11178
• 负责人: Fukuda Mituhiro
• 金额: $ 1万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-01 至 2021-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-18K11178/
• 关键词: 加速（劣）勾配法; 凸最適化問題; 一次法; 停止条件; 非凸最適化問題; 近接法; Bregman距離; DC最適化問題; 近接勾配法; 凸関数; 常微分方程式; 加速勾配法

项目成果

勾配のノルムを停止条件とする準最適な一次法

以梯度范数为停止条件的次优一阶方法

• 发表时间: 2019
• 作者: 伊藤勝;福田光浩
• 通讯作者: 福田光浩

DC 最適化問題に対する Bregman 距離を用いた近接アルゴリズムと複素最適化問題への拡張

使用 Bregman 距离的邻近算法解决 DC 优化问题以及扩展到复杂的优化问题

• 发表时间: 2022
• 期刊: 統計数理研究所共同研究リポート
• 作者: 髙橋翔大;福田光浩;田中未来
• 通讯作者: 田中未来

Nearly Optimal First-Order Methods for Convex Optimization under Gradient Norm Measure: An Adaptive Regularization Approach

梯度范数测度下凸优化的近乎最优一阶方法：一种自适应正则化方法

• DOI: 10.1007/s10957-020-01806-7
• 发表时间: 2021
• 期刊: Journal of Optimization Theory and Applications
• 影响因子: 1.9
• 作者: Masaru Ito;Mituhiro Fukuda
• 通讯作者: Mituhiro Fukuda

DC最適化問題に対するBregman距離を用いた近接アルゴリズム

使用 Bregman 距离的邻近算法解决 DC 优化问题

• 发表时间: 2021
• 作者: 髙橋翔大;福田光浩;田中未来
• 通讯作者: 田中未来

Nearly optimal first-order method under Holderian error bound: An adaptive proximal point approach

霍尔德误差界下的近乎最优一阶方法：自适应近点方法

• 发表时间: 2019
• 作者: Sayaka Kamei;Anissa Lamani;Fukuhito Ooshita;Sebastien Tixeuil;and Koichi Wada;Masaru Ito and Mituhiro Fukuda
• 通讯作者: Masaru Ito and Mituhiro Fukuda