梯度proximal方法

proximal梯度方法是一种用于最小化两个凸函数之和的分割算法，其中一个函数光滑。其应用涵盖力学、逆问题、机器学习、图像重建、变分不等式、统计学、运筹学和最优运输等领域。其形式涵盖了优化中各种数值方法，如梯度下降、投影梯度、迭代阈值、交替投影、受限Landweber方法，以及统计学和稀疏数据分析中的各种算法。本文旨在提供proximal梯度方法主要性质的概述，并讨论其一些应用。--- proximal梯度方法是一种用于最小化两个凸函数之和的分割算法，其中一个函数光滑。其应用涵盖力学、信号处理、逆问题、机器学习、图像重建、变分不等式、统计学、运筹学和最优运输等领域。其形式涵盖了优化中各种数值方法，如梯度下降、投影梯度、迭代阈值、交替投影、受限Landweber方法，以及统计学和稀疏数据分析中的各种算法。本综述旨在呈现proximal梯度方法的主要性质，并探讨其应用。