关键词smooth and strongly convex functions
搜索结果 - 3
- IDEAL:非精确分散加速增广拉格朗日算法
提出了一个在分散优化设置下设计原始方法的框架,该框架适用于局部函数光滑且强凸。通过近似解决由加速增广拉格朗日方法引起的一系列子问题,从而提供了一种演导出几个著名的分散算法的系统方法。当与加速梯度下降相结合时,我们的框架会产生一种新的原始算法 - MM分布式随机梯度追踪方法
本文研究了分布式多智能体优化问题,其中每个智能体拥有一个光滑和强凸的本地代价函数。在仅具有本地代价函数梯度的无偏估计时,我们提出了一种分布式随机梯度跟踪方法(DSGT)和一种类似于 Gossip 的随机梯度跟踪方法(GSGT),并展示了这些 - IQN:一种具有局部超线性收敛速率的增量拟牛顿方法
本文提出一种增量式拟牛顿方法来最小化一个可用 n 个平滑和强凸函数表示的目标函数,该方法是一种随机和增量方法,每次迭代的成本与 n 无关,其收敛特性介于确定性和随机拟牛顿方法之间,利用聚合信息和泰勒展开近似函数、周期性更新目标函数等特性实现