用于非光滑非凸优化的随机交替方向乘子法
最优化与控制
2021-08-11 v1
摘要
交替方向乘子法（ADMM）因其简单性和高效性而是一种流行的一阶方法。然而，与其他邻近分裂方法类似，当待求解优化问题的规模变大时，ADMM的性能会显著下降。在本文中，我们考虑将ADMM与一类具有方差缩减的随机梯度相结合，以求解大规模非凸非光滑优化问题。在目标函数满足Kurdyka-Lojasiewicz（KL）性质的额外假设下，建立了所生成序列的全局收敛性。给出了在图引导融合Lasso和计算机断层扫描上的数值实验以证明所提方法的性能。
引用
@article{arxiv.2012.07401,
title = {A Stochastic Alternating Direction Method of Multipliers for Non-smooth and Non-convex Optimization},
author = {Fengmiao Bian and Jingwei Liang and Xiaoqun Zhang},
journal= {arXiv preprint arXiv:2012.07401},
year = {2021}
}