一个部门并的分裂算法及应用.pdfVIP

IIlll fllurl]JI rlllII I J11]JlI Y2624110 目 录 摘要………………………………………………………………． ．一 Abstract ．………．．．．．．…．……．……．．．．．．．…．．．．．．……．………．． m 第一章绪论……………………………………………………． 1 51．1问题描述…………………………………………………1 §1．2预备知识…………………………………………………3 §1．3低秩稀疏矩阵的恢复……………………………………… 5 51．4图像分解／恢复……………………………………………6 §1．5增广Lagrange方法………………………………………．．6 §1．6交替方向法………………………………………………．7 §1．7本文结构…………………………………………………8 第二章算法及应用 ………………………………………………． 9 §2．1引言……………………………………………………… §2．2算法……………………………………………………… §2．3收敛性分析………………………………………………． §2．4数值结果………………………………………………… §2．5结论………………………………………………………9加n凹 第三章结论及展望………………………………………………． ∞ 参考文献…………………………………………………………… 缸 致谢………………………………………………………………． ％ 摘要 摘要 线性约束可分凸优化问题在近年得到信号／图像处理、管理、工程等众多领域 的著名学者的关注，其求解算法也取得了一系列重要的进展．其中，基于增广拉格 朗日函数的分解算法是最有效的算法之一． 本文考虑有三个可分离变量的线性约束可分凸规划问题．对于该问题，经典的 基于增广拉格朗日函数的分解算法即交替方向法的直接推广虽然在很多情况下数 值效果较好，但理论上并不能保证其收敛性．为使算法在理论上具有收敛性，且在 数值上有效，一种自然的策略是将基于增广拉格朗日分解算法的子问题的解作为 过渡点，而通过简单校正得到下一个迭代点．本文提出了一种新的部分并行分裂预 测校正算法：在求解子问题时，预测步中后两个变量的求解都利用了第一个变量的 迭代新值，即第二个变量和第三个变量是并行计算的：校正步中考虑对前两个变量 不进行校正，对后一个变量和对偶变量进行校正．在一定的条件下，证明了该算法 的全局收敛性．我们将新算法应用到还原低秩稀疏矩阵和恢复模糊、受污染的图 像上，并将实验结果与其他的算法进行比较，体现了新算法的有效性． 关键词：凸优化问题，增广拉格朗日方法，交替方向法，可分离结构，变分不 等式，低秩稀疏矩阵，图像恢复． Abstract Abst ract The convex withlinear separableoptimizationproblem constraintsattractsalot ofattentionfrom researchersininthefieldssuchas signal／imageprocessing，man- and inrecent that the agementengineeringyears．Numerical alg