Minty向量似变分不等式与非光滑向量优化问题

在Clarke次微分意义下讨论伪不变凸性和不变伪单调性在Minty向量似变分不等式中的应用,建立了Minty向量似变分不等式和非光滑向量优化问题之间的关系.

变分不等式的解与非光滑向量优化问题拟近似解的关系

在一定的广义凸性条件下研究了变分不等式的解与非光滑向量优化问题的拟近似解之间的关系,并在拟近似伪凸的条件下,证明了向量优化问题的临界点和拟近似弱有效解与变分不等式的解之间的等价性.

可分离凸优化问题的非精确平行分裂算法

针对一类可分离凸优化问题提出了一种非精确平行分裂算法.该算法充分利用了所求解问题的可分离结构,并对子问题进行非精确求解.在适当的条件下,证明了所提出的非精确平行分裂算法的全局收敛性,初步的数值实验说明了算法有效性.

具有双重松弛项的改进惯性近端交替方向乘子法在结构化非凸和非光滑问题中的应用

针对结构化的非凸非光滑优化问题,提出了一种改进的惯性近端交替方向乘子法(Modified Inertial Proximal Alternating Direction Method of Multipliers, MID-PADMM)。该问题在多个领域,包括机器学习、信号处理和经济学中具有重要应用。现有算法在处理这类问题时,往往面临收敛速度慢或无法保证收敛的挑战。为了克服这些限制,引入了一种双重松弛项,以增强算法的鲁棒性和灵活性。理论分析表明,MID-PADMM算法在适当的条件下能够实现全局收敛,并且具有O(1/k)的迭代复杂度,其中k代表迭代次数。数值实验结果表明,与现有的状态最优算法相比,MID-PADMM在多个实例中展现出更快的收敛速度和更高的求解质量。

非凸非光滑不可分优化的两个线性邻近Peaceman-Rachford分裂算法

本文研究一类非凸非光滑不可分优化.基于Peaceman-Rachford(PR)分裂算法,并结合Armijo线搜索技术及线性正则化技术,提出了两个线性邻近PR分裂算法.利用PR分裂算法思想,将增广拉格朗日法涉及的子问题分解成两个小规模子问题.为便于子问题的求解和使其具有良好的理论性质,对子问题的目标函数中的光滑项作线性化处理,并分别添加必要的正则项.在常规假设下,论证了算法的全局收敛性及迭代复杂性.最后,数值实验结果表明算法是有效的.

非凸非光滑优化问题的惯性Bregman ADMM的收敛性分析

【目的】针对具有可分结构的非凸非光滑优化问题,提出一种内置惯性Bregman交替方向乘子法。【方法】为了加快算法的收敛速度,在Bregman交替方向乘子法的框架下,对子问题中的Bregman度量内置惯性项。【结果】在生成的点列有界的条件下,利用Kurdyka-Lojasiewicz性质,证明了算法的渐进收敛性。【结论】数值实验结果表明了该算法的有效性。

鲁棒截断L_(1)-L_(2)全变分稀疏恢复模型

信号获取过程中,除了有高斯噪声外,还有具有脉冲性质的稀疏噪声,常用的鲁棒稀疏信号恢复模型能够在稀疏噪声环境下恢复出原始的稀疏信号。但是,许多实际应用问题需要考虑原始信号的结构稀疏性,如梯度稀疏。为了从稀疏噪声和高斯噪声共存的环境下恢复出结构稀疏的原始高维信号,文中基于截断L_(1)-L_(2)全变分、3维截断L_(1)-L_(2)全变分和鲁棒压缩感知,提出了两个非凸非光滑优化模型,用于解决高斯噪声和稀疏噪声混合影响下的结构稀疏信号恢复问题,并采用含有外推的邻近交替线性极小化算法求解这两个优化模型,使用含外推的邻近凸差算法求解子问题,在势函数具有Kurdyka-Lojasiewicz(KL)性质的条件下,给出了含外推交替极小化算法和含外推邻近凸差算法的收敛性分析。数值实验测试了高斯噪声灰度图像、混合噪声彩色图像、混合噪声灰度视频等,采用图像峰值信噪比(PSNR)作为评价准则。实验结果表明,文中模型能够更好地恢复出原始的结构稀疏信号,且在同一噪声环境下文中模型恢复的信号具有更优的PSNR值。

变分不等式的近似解与向量优化问题的拟近似解的关系

在近似凸、近似伪凸的条件下,研究了变分不等式问题的近似解与向量优化问题的拟近似解的关系,在近似伪凸、拟近似伪凸的条件下研究了向量优化问题的临界点与拟近似解的关系。