求解凸优化问题的改进对称交替方向乘子法

对称交替方向乘子法(简称S-ADMM算法)是求解可分离凸优化问题的一种有效方法。该算法利用目标函数的可分离性,将原问题分解成多个极小化子问题,然后交替求解。能否有效地求解子问题对算法的有效性有重要影响。在很多实际应用中,不能精确地求解子问题,或者精确求解子问题花费代价较大。为解决这一问题,提出了一种改进的对称交替方向乘子法(简称MSADMM算法)。与一般的S-ADMM算法相比,该算法在x子问题中引入一个半近邻项,近似地求解x子问题,克服了之前算法的不足。在适当的假设下,证明了其收敛性。最后,通过数值计算说明了该算法的有效性。     

求解非凸两分块优化问题的Majorized Bregman交替方向乘子法

针对一类两分块非凸优化问题，提出Majorized 带Bregman距离的交替方向乘子法。为了使问题的子问题更易求解，对目标函数中的光滑项进行极大化线性处理，并对x子问题和y子问题同时添加一个Bregman距离。在适当的假设条件下，建立了算法的全局收敛性。同时，在效益函数满足KL性质时，建立了算法的强收敛性。数值实验结果验证该算法的有效性。     

非凸两分块问题乘子交替方向法的收敛性分析

乘子交替方向法(ADMM)求解大规模问题十分有效.ADMM在凸情形下的收敛性已被清晰认识,但非凸问题ADMM的收敛性结果还很少.本文针对非凸两分块优化问题,在增广拉格朗日函数满足Kurdyka-Lojasiewicz不等式性质且罚参数大于某个常数的条件下,证明了ADMM的收敛性.     

非凸不可分离问题的广义交替方向乘子法的收敛性

交替方向乘子法（ADMM）是求解大规模优化问题和非凸非光滑问题的一种有效的方法,但当目标函数为非凸非光滑的情况时,原始ADMM算法的收敛性无法保证,且若目标函数中存在耦合函数,则算法的收敛性证明将更为复杂。在现实生活中存在的很多问题,其本质都是非凸的。因此,本文提出了一种改进的ADMM算法。与原始ADMM算法相比,该算法引入了一个松弛因子$\alpha $,构造了一种广义交替方向乘子法（GADMM）来求解具有线性约束的非凸不可分离优化问题。在一定的假设条件下,通过假设增广拉格朗日函数满足K-L不等式,证明了当惩罚参数足够大时,算法生成的序列收敛到增广拉格朗日函数的稳定点。     

解凸优化问题的一类修正线性近似交替方向法

在解凸优化问题过程中,对已有文献的线性约束条件推广到非线性约束条件,运用了近似交替分解算法;新提出一类修正线性近似交替方向法,并进行了理论分析和和算例比较.     

解凸二次半定规划的交替方向法

给出求解凸二次半定规划的交替方向法,并对这个算法的全局收敛性进行分析.     

求解Poisson问题的区域分解和交替方向乘子法

【目的】有效求解有界闭区域的Poisson问题,得到解决这类问题的区域分解法和交替方向乘子法。【方法】用区域分解法将问题转化为用两个子区域和增广拉格朗日函数表示的极小值问题,再采用交替方向乘子法求解该问题。【结果】对算法进行了收敛性分析,并给出了此类问题的具体应用。【结论】数值结果验证了该方法求解Poisson问题的可行性。     

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。     

稳健PCA的快速交替方向乘子法研究

稳健PCA是从稀疏粗差的测量矩阵中恢复低秩矩阵,在计算机视觉中有许多应用.文中提出一种稳健PCA求解的快速交替方向乘子法,即利用平滑技术对目标函数中非平滑项进行光滑处理,采用快速操作算子改善算法收敛速率.数据仿真和视频背景建模实验表明,文中算法在精度和效率上优于其它算法,适用于大规模问题的有效求解.     

求解凸极小化问题的一种部分并行的可分方法

针对具有可分结构的凸极小化问题,提出了一种部分并行的可分方法.该方法是在预校正近似乘子法的基础之上,在极小化时采取了不同的格式,去掉了二次邻近项而直接用的增广项;在算法的迭代部分,预校正近似乘子法先计算x~(k+1),再计算z~(k+1),在部分并行的可分方法中,x~(k+1),z~(k+1)是并行计算的;通过数值算例得到的结果显示,该方法具有可行性.     

求解结构型单调变分不等式的投影类交替方向法

基于Han D提出的交替方向法,通过一系列的改进,对Ye C提出的结构型单调变分不等式问题给出了一种新的投影类交替方向法.新方法具有如下特点:每次迭代只需计算一次正交投影和几个函数值,这比Ye C的方法简单;方法产生的迭代点列关于问题的解集具有非扩张性;方法产生的步长一致有正下界.在解集非空和函数单调的条件下,方法具有全局收敛性.最后给出了初步的数值试验.     

求解可分离凸优化问题的非精确混合分裂算法

针对一类有四个块变量的可分离凸优化问题,提出一种非精确混合分裂算法.在每一轮迭代中,该算法需要求解四个子问题,根据子问题计算工作量的大小,将四个子问题分为两组,每组包含工作量相当的两个子问题.算法在组内执行平行分裂方法,两组间执行交替方向方法,并允许迭代子问题的非精确求解.在适当的条件下,证明了所提出的混合分裂算法具有全局收敛性.     

非精确求解凸规划的部分交替方向算法

为了求解一类带有三个可分离算子的凸规划问题, 本文得到一种非精确的部分交替方向算法, 给出了新算法的一个下降方向和沿着这个下降方向的最优步长, 并在合理的假设下证明了该算法的全局收敛性. 数值试验表明该算法有效且易于执行.     

基于乘数交替方向法的系统图像退化恢复方法

针对一般正则化方法不能有效解决非线性成像和高动态成像的系统退化恢复问题,提出一种非线性图像恢复方法,该方法利用乘数交替方向法解决双边全变差(bilateral total variation,BTV)模型的正则化项不平滑问题.建立包含复原图像的非线性最小二乘数据拟合项和BTV正则化项的目标函数;对目标函数进行优化;构建一套有效的乘数交替方向法(multiplier alternating direction method,MADM)求解提出的模型.利用峰值信噪比(peak signalto noise ratio,PSNR)和结构相似性度量(structural similarity index measurement,SSIM)评估图像恢复结果.对于非线性成像系统退化,提出的方法在PSNR和SSIM方面比基于TV(total variation)模型的方法分别提高4.5％和4.1％.对于高动态的成像退化问题,提出的方法获得的恢复图像PSNR值可达61.89 dB,相比其他方法,至少提高了2.9％.此外,该方法的运行时间也至少节省了26％,具有较高的计算效率.     

高维热传导方程的高精度交替方向隐式方法

提出了数值求解二维和三维热传导方程的高精度交替方向隐式（ADI）方法,其空间为四阶精度、时间为二阶精度,并通过Neumann方法证明是无条件稳定的．该方法沿每个空间方向只涉及3个网格基架点,因此可以重复采用TDMA算法,大大节省了计算时间．数值实验验证了该方法的高阶精度,并与二阶的Peaceman—Rachford格式、Douglas格式及Crank—Nicolson格式进行了比较．     

凸约束不定二次规划问题的分枝定界方法

针对凸约束不定二次规划问题,给出一个分枝界定方法。通过将凸约束不定二次规划问题等价地转化为凸凹规划问题,利用超矩形体的二分技术和锥剖分技术,在超矩形体上确定原问题的最优解,并进行了收敛性分析。     

一个求解无约束优化问题的HS修正方法

给出了一个求解非线性无约束优化问题的新的共轭梯度类型公式,并证明了相应的方法在Powell再开始准则下具有充分下降性．文章最后给出了该方法的数值结果．     

无约束优化问题的一种新的共轭梯度法

为了求解无约束优化问题,提出了一种新的共轭梯度法,并证明了其在适当的条件下满足全局收敛性.初步的数值结果表明新的共轭梯度法是有效的.