suc凸优化2020春季学期admm.pdf

  1. 1、本文档共37页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
A rnating direction method of multipliers Yuanming Shi ShanghaiTech University Copyright: ELE 522: Large-Scale Optimization for Data Science from Prof. Yuxin Chen at Princeton University Outline • Augmented Lagrangian method • A rnating direction method of multipliers Two-block problem minimize F (, ) := f () + f () , 1 2 subject to + = where f1 and f2 are bo onvex • this can also be solved via Douglas-Rachford splitting • we will introduce another paradigm for solving this problem ADMM 10-3 Augmented Lagrangian method Dual problem minimize f () + f () , 1 2 subject to + = ize min f () + f () + , + − , 1 2 =:L(, ,) (Lagrangian) ize − f ∗ (−) − f ∗ (−) − , 1 2 minimize f ∗ (−) + f ∗ (−) + , 1 2 ADMM 10-5 Augmented Lagrangian method minimize f ∗ (−) + f ∗ (−) + , 1 2 The proximal point method for solving this dual problem: t+1 = arg min f ∗ (−) + f ∗ (−) + , + 1 t

文档评论(0)

183****7931 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档