高阶导数在Douglas-Rachford中的分裂参数.docVIP

高阶导数在Douglas-Rachford中的分裂参数

一、Douglas-Rachford分裂算法的基础框架

Douglas-Rachford（DR）分裂算法是求解凸优化问题的经典一阶方法，核心思想是将复杂的复合优化问题分解为多个简单子问题，通过交替迭代实现全局最优。其标准形式针对如下问题：$$\min_{x}f(x)+g(x)$$其中$f,g:\mathcal{H}\to\mathbb{R}\cup{+\infty}$是实希尔伯特空间$\mathcal{H}$上的下半连续凸函数。DR算法的迭代格式为：$$\begin{align*}y_k=(I+\lambda\partialg)^{-1}(x_k)\z_k=(I+\lambda\partialf)^{-1}(2y_k-x_k)\x_{k+1}=x_k+\theta_k(z_k-y_k)\end{align*}$$这里$\lambda0$是步长参数，$\theta_k\in(0,2)$是松弛因子，$(I+\lambda\partialh)^{-1}$表示函数$h$的邻近算子。传统分析中，$\lambda$的选择通常依赖于算子的Lipschitz常数，但当问题涉及非光滑或非线性项时，固定步长往往难以兼顾收敛速度与稳定性。

二、高阶导