Stiefel流形上复合优化的自适应正则化近端牛顿型方法
最优化与控制
2025-02-11 v3
摘要
近年来，近端牛顿型方法及其变体已被推广用于求解Stiefel流形上的复合优化问题，其目标函数是光滑函数和非光滑函数之和。在本文中，我们提出了一种自适应二次正则化近端拟牛顿方法，命名为ARPQN，用于解决这类问题。在一些温和假设下，建立了ARPQN的全局收敛性、局部线性收敛速度和迭代复杂度。数值实验以及与其它最先进方法的比较表明ARPQN非常有前景。我们还提出了一种自适应二次正则化近端牛顿方法，命名为ARPN。结果表明，在某些合理假设下，ARPN方法具有局部超线性收敛速度，这展示了正则化近端牛顿方法有吸引力的收敛性质。
引用
@article{arxiv.2404.11112,
title = {An Adaptive Regularized Proximal Newton-Type Methods for Composite Optimization over the Stiefel Manifold},
author = {Qinsi Wang and Wei Hong Yang},
journal= {arXiv preprint arXiv:2404.11112},
year = {2025}
}
备注
38 pages, 6 figures. Comput Optim Appl (2024)