近端梯度法(Proximal Gradient Method ,PG)
算法简介
近端梯度法是一种特殊的梯度下降方法,主要用于求解目标函数不可微的最优化问题。如果目标函数在某些点是不可微的,那么该点的梯度无法求解,传统的梯度下降法也就无法使用。PG算法的思想是,使用临近算子作为近似梯度,进行梯度下降。
概念定义
临近算子(proximity operator)
proxf(x)=argminy∈Rnf(y)+12||x−y||2
其中函数f可能是非光滑(即不可微)的。临近算子是对梯度的延伸,当函数f为光滑函数时,该临近算子就是梯度。
Morean信封(Morean envelope)
ef(x)=miny∈Rnf(y)+12||x−y||22
(这个玩意儿好像现在挺火,不过下文貌似没用到)
集合X的指示函数(indicator function of X)
lX(x)={
0,x∈X∞,x∉X
其中X是一个凸集合。利用指示函数,我们可以将有约束问题写成无约束问题,如下:
minx∈Xg(x)⟺minx∈Rng(x)+lX(x)
当x不在X中,等式为无穷大,因此x肯定不是最优值。因此就等于限定了x在凸集合X中。
投影算子(projection operator)
projX(x)=argminy∈X||y−x||2=argminy∈<