.png){kind=icon}
返回
Frank-wolfe algorithm for star-convex functions
.png){kind=icon}
PRE
AI
DOI：10.1007/s11590-026-02307-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们研究了在紧凸集上最小化具有利普希茨连续梯度的可微函数的Frank-Wolfe算法。为将经典复杂度界扩展到某些非凸函数，我们关注星凸函数类，该类函数即使在缺乏凸性的情况下仍保留关键的几何性质。在星凸性条件下，我们使用衰减步长、Armijo型和利普希茨基步长规则，为对偶间隙和目标值建立了O(1/k)的迭代复杂度界。值得注意的是，衰减和Armijo策略不需要预先知道利普希茨或曲率常数。这些结果表明，Frank-Wolfe方法在超越凸设置后仍保持最优复杂度保证。
Keyword:
Frank-Wolfe method
Star-convex functions
Non-convex function
期刊
O
IF:
1.1
论文数:
72
被引数:
2.4K
机构
引用论文
.png){kind=icon}
分享收藏A conditional gradient method with linear rate of convergence for solving convex linear systems一种具有线性收敛速率的求解凸线性系统的条件梯度法
PREAI
分享收藏分享收藏分享收藏
查看更多内容