约束凸优化的串平均增量次梯度方法及其在断层图像重建中的应用
最优化与控制
2016-10-20 v1
摘要
我们提出了一种基于次梯度方向与串平均技术的非光滑凸极小化方法。在该方法中，可用数据集被分割为序列（串），一个给定的迭代点沿每条串独立处理，可并行地通过增量次梯度方法（ISM）进行。所有串的端点被平均以形成下一个迭代点。该方法适用于求解稀疏且大规模的非光滑凸优化问题，例如断层成像中出现的问题。在实际标准条件下给出了收敛性分析。在断层图像重建应用中进行了数值测试，结果表明，与经典 ISM 相比，该方法在目标函数下降比率这一收敛速度度量下表现良好。
引用
@article{arxiv.1610.05823,
title = {String-Averaging Incremental Subgradients for Constrained Convex Optimization with Applications to Reconstruction of Tomographic Images},
author = {Rafael Massambone de Oliveira and Elias Salomão Helou and Eduardo Fontoura Costa},
journal= {arXiv preprint arXiv:1610.05823},
year = {2016}
}