本文深入探讨ADMM算法的基础，包括其基本形式和收敛性证明思路。作者介绍了ADMM在大规模问题中的应用，并指出尽管其收敛速度较慢，但在处理大型数据时的优势。此外，还提到了在实际应用中对解的精度要求和分块求解的必要性。
编者按：本文介绍ADMM最基本情形的推导。通过这篇文章，你将了解ADMM算法的基本思路，收敛性分析的基本原理，和它理论上的一些局限性。
文章作者： @覃含章
责任编辑： @覃含章
文章发表于 微信公众号【运筹OR帷幄】：【优化】交替方向乘子法（ADMM）的基本原理 欢迎原链接转发，转载请私信 @留德华叫兽 获取信息，盗版必究。
敬请关注和扩散本专栏及同名公众号，会邀请 全球知名学者发布运筹学、人工智能中优化理论等相关干货、知乎Live及行业动态：『运筹OR帷幄』大数据人工智能时代的运筹学
本文的内容主要来自著名的讲义：Boyd S, Parikh N, Chu E, et al. Distributed optimization and statistical learning via the alternating direction method of multipliers[J]. Foundations a
最低0.47元/天 解锁文章
扫一扫
842
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
