数学 > 优化与控制
[提交于 2025年9月3日
]
标题: 一种改进的精确惩罚方法用于一般约束的$\ell_0$-稀疏优化问题
标题: A modified exact penalty approach for general constrained $\ell_0$-sparse optimization problems
摘要: 我们考虑一类带有目标函数中额外$\ell_0$-稀疏项的约束优化问题。 基于对此困难$\ell_0$-项的最新重新表述,我们考虑一种非光滑惩罚方法,该方法与作者之前的工件不同之处在于它可以直接应用于不一定包含非负性约束的问题。 这避免了将自由变量拆分为其正部分和负部分,减少了维度,并充分利用了给定$\ell_0$-稀疏优化问题与其重新表述之间局部极小值和全局极小值的一一对应关系。 该惩罚方法在极小值和稳定点方面被证明是精确的。 由于惩罚函数是(轻微)非光滑的,我们还介绍了用于求解惩罚公式中出现的子问题的实际技术。 最后,提供了大量数值测试的结果。
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.