用于秩约束模型辨识的带自适应罚项的加速非凸ADMM
最优化与控制
2023-09-11 v2 系统与控制
系统与控制
摘要
乘子交替方向法（ADMM）已广泛应用于低秩近似与低阶模型辨识任务；然而，非凸ADMM的性能高度依赖于罚参数的选取。为加速ADMM求解秩约束辨识问题，本文提出一种用于罚项自动更新的自适应策略。在一阶增广拉格朗日增量分析的指导下，该自适应罚项更新实现了对原始残差与对偶残差的有效且均衡的最小化，从而确保稳定收敛。此外，在Anderson加速框架下可获得更高效率。数值算例表明，所提策略在缓解对罚参数繁琐调参的严重依赖的同时，显著加速了非凸ADMM的收敛。
引用
@article{arxiv.2305.14781,
title = {Accelerated Nonconvex ADMM with Self-Adaptive Penalty for Rank-Constrained Model Identification},
author = {Qingyuan Liu and Zhengchao Huang and Hao Ye and Dexian Huang and Chao Shang},
journal= {arXiv preprint arXiv:2305.14781},
year = {2023}
}
备注
7 pages, 5 figures. Accepted by 62nd IEEE Conference on Decision and Control (CDC 2023)