.png){kind=icon}
返回
An Optimally Fast Objective-Function-Free Minimization Algorithm Using Random Subspaces
.png){kind=icon}
OA
AI
DOI：10.1007/s10957-026-03004-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
描述了一种无约束非凸优化的算法，该算法不评估目标函数，且在每次迭代中，最小化过程在一个随机选择的子空间内进行。研究表明，这种随机近似技术不影响方法的收敛性或其搜索一个epsilon近似一阶临界点的评估复杂度，该复杂度为O(epsilon^(-(P+1)/P))，其中P是所用导数的阶数。还分析了一种使用近似Hessian矩阵的算法变体，并证明其最多需要O(epsilon^(-2))次评估。初步数值测试表明，在正确语境下，当P=2时，随机子空间技术可以显著提高性能。
Keyword:
Nonlinear optimization
Stochastic adaptive regularisation methods
Sketching
Evaluation complexity
Objective-function-free optimization (OFFO)
查看更多机构