凸极小化中速率为 $O(1/k^{1.5})$ 的快速对偶近端梯度算法
最优化与控制
2016-09-30 v1
摘要
我们考虑由强凸函数和凸函数组成的复合函数极小化问题。快速对偶近端梯度（FDPG）方法以 的速率降低对偶函数，导致原函数以 的速率下降。我们提出一种推广的 FDPG 方法，保证对偶近端梯度范数以 的速率下降。通过将此与原函数下降相关联，所提方法以改进的 速率降低原函数。
引用
@article{arxiv.1609.09441,
title = {Fast dual proximal gradient algorithms with rate $O(1/k^{1.5})$ for convex minimization},
author = {Donghwan Kim and Jeffrey A. Fessler},
journal= {arXiv preprint arXiv:1609.09441},
year = {2016}
}