.png){kind=icon}
返回
Structured nonsmooth optimization using functional encoding and branching information
.png){kind=icon}
PRE
AI
DOI：10.1007/s10589-026-00775-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种基于梯度的新型算法，用于优化非光滑非凸函数，其中非光滑性源于目标函数解析形式中的显式非光滑算子。我们的关键创新在于编码这些算子的活跃光滑分支，能够实现任意点的分支函数提取和通过分支跟踪进行过渡检测。该方法产生了一种分支信息驱动的梯度下降（BIGD）方法，适用于可编码的分段可微函数，其增强版本在适当条件下可实现局部线性收敛。计算效率高的编码机制易于实现。通过大量数值实验证明了使用分支信息的优势，并与一些现有非光滑优化方法在标准测试问题上进行了比较。最重要的是，对于给定解析表达式的分段光滑问题，函数编码的实施可以整合到广泛存在的非光滑优化方法中，以改进包点管理、降低二次规划子问题的复杂度，并提高线搜索效率。
Keyword:
Nonsmooth optimization
Smooth substructure
Functional encoding
Branching information
期刊
C
IF:
2
论文数:
74
被引数:
3.5K
机构
引用论文
暂无论文信息