基于近似一阶信息的加速的bundle level算法

本文提出了四种加速的BL(bundle level)算法来分别求解凸光滑函数、强凸光滑函数的极小值问题和一类鞍点(saddle-point)问题.这些算法可以运用目标函数的近似的一阶信息来得到上述几类问题的近似解.本文重点研究了在一阶信息误差上界可自由选取和给定不变的两种情形下,所提出的算法中近似解能达到的最佳精度以及相应的迭代复杂度.