PDHG算法的基本思想是通过对原始问题和对偶问题进行交替迭代来求解凸优化问题。具体来说,PDHG算法将原始问题和对偶问题转化为一个拉格朗日函数,并通过交替更新拉格朗日乘子和原始变量来求解该函数。 三、算法流程 1. 初始化:给定初始值$x_0$和$y_0$,以及步长参数$t>0$。 2. 迭代更新: ① 更新原始变量$x_{k+...
2. ADMM(Alternating Direction Method of Multipliers)算法:ADMM是一种求解具有可分离结构的凸优化问题的迭代算法。在每一步迭代中,它将原问题拆分为两个子问题,并分别优化每个子问题。这个过程通过交替进行,直至收敛。 总结来说,PDHG算法和ADMM算法都是求解凸优化问题的迭代算法,具有处理速度快和收敛性能好的优点。
题目:凸优化问题分裂收缩算法系列讲座:利用统⼀框架修正PDHG-CP类方法提高算法效率 主讲人:何炳生(南京大学) 时间:2022年6月16日(周四)20:00 主办方:浙江师范大学数理医学院、浙江师范大学数学与计算机科学学院 讲座主题:数学学科凸优化问题分裂收缩算法系列讲座 主讲人介绍 何炳生教授是南京大学教授,博士生导师。77...