Feb, 2017
广义匹配追踪和Frank-Wolfe的统一优化视角
A Unified Optimization View on Generalized Matching Pursuit and
Frank-Wolfe
TL;DR该论文研究了贪婪优化的两个基本原型：匹配追踪和Frank-Wolfe算法。根据这两种方法，本文首次明确了通用原子集合条件下匹配追踪方法的收敛速率。作者推导了这两种方法在一般平滑目标上的次线性（$1/t$）收敛，以及在强凸目标上的线性收敛，并提出了一个算法变化的清晰对应关系。而且这些算法和收敛速率是仿射不变的，不需要任何互不相关或稀疏性假设。