数学 > 优化与控制
[提交于 2024年12月29日
]
标题: 基于有限多个向量值函数的集值映射的集合优化问题的拟牛顿方法
标题: Quasi-Newton Method for Set Optimization Problems with Set-Valued Mapping Given by Finitely Many Vector-Valued Functions
摘要: 在本文中,我们提出了一种拟牛顿方法,用于求解无约束集优化问题的弱极小解,相对于下集无序关系而言。 所考虑的集值目标映射由有限个二次连续可微的向量值函数给出。 为了借助所提出的拟牛顿方法找到弱极小点的必要最优性条件,我们使用了划分的概念,并构建了一族向量优化问题。 为了找到弱极小点的必要最优性条件的评估,涉及计算每个目标函数的近似海森矩阵,这是通过向量优化问题的拟牛顿方案完成的。 在所提出的拟牛顿方法中,我们推导出一个迭代点序列,该序列收敛到满足弱极小点所推导出的必要最优性条件的点。 之后,我们从这一族向量优化问题中找到一个适当选择的向量优化问题的下降方向,并从当前迭代更新到下一个迭代。 所提出的集优化问题的拟牛顿方法并不是向量优化问题拟牛顿方法的直接扩展,因为所选择的向量优化问题在迭代过程中会变化。 分析了所提出方法的良定义性和收敛性。 在静止点的一些正则性条件、非静止点的条件、拟牛顿方向范数的有界性以及存在满足Armijo条件的步长的条件下,推导出了所提出算法的收敛性。 在海森矩阵近似函数的一致连续性条件下,我们获得了所提出方法的局部超线性收敛性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.