主要介绍一些空间、集合、范数等基本概念
2、Extended Real-Valued Functions
主要介绍增广实值函数的一些基本性质定义,如domain、下半连续性、闭性、水平集等等
主要介绍什么是次梯度、次微分集合的性质、什么情况称为次可微;什么是方向导数、方向导数如何与次梯度联系;什么是(可微)梯度、(可微)梯度与方向导数的联系、(可微)梯度与次梯度的联系等等
主要介绍什么是共轭函数、Fenchel‘s不等式、复共轭函数、共轭次梯度定理等等
5、Smoothness and Strong Convexity
主要介绍L光滑、强凸的定义及两者之间的关系-共轭对应理论;(两者的一些引理和性质的符号是相反的)等等
主要介绍什么是邻近算子、投影算子和邻近算子的关系、第一临近定理、第一投影定理、第二临近定理、第二投影定理;
各个定理的证明、邻近算子 投影算子的非扩张性、Moreau分解的证明等等
1-7章主要讲基本的常见的知识点,第8章及之后将介绍具体问题中的方法、算法
8、Primal and Dual Projected Subgradient Methods
主要介绍投影次梯度算法的算法流程、下降公式
- Polyak步长下的 的收敛性 收敛率;
保证收敛的一般性步长条件、依次条件下和的收敛率、改造条件后的收敛率提升;
强凸条件下和的收敛率(此时步长重新构造);
- 针对可分函数中投影次梯度算法的算法流程、下降公式;
收敛性,在C为紧时的收敛速度.
- 针对对偶问题的算法流程、收敛性分析及在具体如线性规划等例子中的应用
主要介绍投影次梯度算法在非欧空间的推广
10、The Proximal Gradient Method
如下问题形式
利用临近梯度算法求解、分非凸/凸两种情况分别讨论下降性、收敛率等问题
11、
问题形式:
主要利用临近梯度算法求解
12、
13、
14、
15、