非凸非光滑优化问题的两步惯性Bregman邻近交替线性极小化算法

针对一类非凸非光滑不可分优化问题,该文基于邻近交替线性极小化算法,结合两步惯性外推和Bregman距离提出了一种新的迭代算法.通过构造适当的效益函数,利用Kurdyka-Łojasiewicz性质,证明了所提出算法生成的迭代序列具有收敛性.最后,将该算法应用于稀疏非负矩阵分解、信号恢复、二次分式规划问题,通过数值算例表明了提出算法的有效性.

求解可分离凸优化问题的惯性近似松弛交替方向乘子法

基于交替方向乘子法(ADMM)提出了一种求解可分离凸优化可行问题的惯性近似松弛交替方向乘子法(IPR-ADMM)。新构造的算法不仅具有提高算法收敛性的优势的惯性外推项,而且引入随机变量以随机加速新步长,从而提高算法的灵活性。并在适当的假设下,证明了算法的全局迭代收敛性。数值实验结果表明,数据维数取值越大,算法收敛越快,越趋于稳定,且IPRADMM算法的收敛性明显优于扩展的邻近交替方向法(ePADM)。