具有不精确梯度的类星凸优化问题的序列子空间优化
最优化与控制
2021-08-16 v1
摘要
众所周知，加速梯度一阶方法对于凸光滑最小化问题类具有最优复杂度估计。在许多实际情形中，使用不精确梯度信息是有意义的。然而，这可能导致在收敛速率的理论估计中相应不精确性的累积。我们针对具有不精确梯度的类星凸函数最小化问题，提出了序列子空间优化方法（SESOP）的某种修正。获得了一个理论结果，表明不存在梯度不精确性的累积。对所提出的 SESOP 方法版本进行了数值实现，并与已知的不精确梯度相似三角形方法进行了比较。
引用
@article{arxiv.2108.06297,
title = {Sequential Subspace Optimization for Quasar-Convex Optimization Problems with Inexact Gradient},
author = {Ilya Kuruzov and Fedor Stonyakin},
journal= {arXiv preprint arXiv:2108.06297},
year = {2021}
}