基于自适应正则化的 Anderson 加速非单调全局化
最优化与控制
2023-05-03 v4 数值分析
数值分析
摘要
Anderson加速（AA）是一种流行的加速不动点迭代的方法，但可能存在不稳定和停滞的问题。我们提出一种AA的全局化方法，以改进稳定性并实现统一的全局与局部收敛。与依赖保护操作且可能阻碍快速局部收敛的现有AA全局化方法不同，我们采用非单调信赖域框架，并引入自适应二次正则化及定制的接受机制。我们证明了全局收敛性，并表明在适当假设下我们的算法达到与AA相同的局部收敛性。我们方法的有效性在若干数值实验中得到验证。
引用
@article{arxiv.2006.02559,
title = {Nonmonotone Globalization for Anderson Acceleration via Adaptive Regularization},
author = {Wenqing Ouyang and Jiong Tao and Andre Milzarek and Bailin Deng},
journal= {arXiv preprint arXiv:2006.02559},
year = {2023}
}
备注
Accepted to Journal of Scientific Computing