版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/DoctorCuiLab/article/details/83051359
变量分裂法
变量分裂方法可以解决目标函数是两个函数之和的优化问题:
u∈Knminf1(u)+f2(g(u))(1)
其中
g是
n维向量到
d维向量的一个映射。所谓的变量分裂就是将上式变为:
u∈Kn,v∈Rdminf1(u)+f2(v)s.t.g(u)=v(2)
显然(1)和(2)是一样的。变量分裂之所以会有用的主要原因就是问题(2)可能比(1)更容易或高效的解决。比如说,如果问题(2)是凸的话,我们就可以使用增广拉格朗日的方法来高效的求解。
另一种解释:
考虑
xminf(Lx)+g(x)(3)其中,
L是一个线性算子。
引入
y=Lx,得到:
x,yminf(y)+g(x)s.t.Lx−y=0(4)
利用增广拉格朗日方法,得到:
L(x,y;λ)=f(y)+g(x)+<λ,Lx−y>+21∣∣Lx−y∣∣22(5)
以上内容编辑:任月