1. 引言
对非光滑优化问题来说,束方法是其最有效的解决方法之一。很多学者在束方法的理论和应用方面都取得了较多的有益成果,见文献 [1] [2] [3] [4] [5] 。考虑原始问题
,其中
是
的非光滑凸函数。文献 [6] 中作者提出了一个带矩阵范数的双稳定子问题,文献 [7] 中作者对目标函数增加迫近项和对可行域增加信赖域约束,灵活地把邻近束方法和信赖域束方法结合起来构造了混合束方法。通过 [6] 和 [7] 的启发,本文提出了一类带矩阵范数的混合束方法子问题:
这里引用了矩阵范数,并通过计算得到该子问题解的表达式。
2. 预备知识
束方法基本原理是在迭代进行到第
步时,产生了一组候选点列
和一组稳定中心点列
,它利用候选点列的信息来构造目标函数
的切平面近似
,然后求得
,令
作为下一个候选点,然后进行下降性检验,以此来确定下一个稳定中心,同时更新束,如此迭代得一点列
,满足
的任一聚点都是原问题的最优解。
束方法具体来说常见的有信赖域束方法、邻近束方法和水平束方法,其中信赖域束方法和邻近束方法的迭代格式分别为:
其中
为信赖域参数,
为邻近参数。
3. 混合束方法子问题的产生
受文献 [6] 和 [7] 的启发,本文提出了一类带矩阵范数的混合束方法子问题:
(2.1)
在这里令
,其中,
在
点的线性化误差为
,由此知
,
为指标集,
为当前稳定中心,当
时,
,记问题(2.1)的最优解为
。我们定义原空间范数
,其对偶空间范数为
,
是对称正定矩阵。
当迭代次数的增加,束中的元素原来越多,对之后的计算和储存会带来巨大的麻烦,所以采用现已有的聚合技术,将束进行压缩至只保留
个元素,
甚至有可能小于
,这时
,接着我们对其对偶问题展开研究。
4. 混合束方法子问题解的表达式
由于问题(2.1)是非光滑凸优化问题,对非光滑凸优化问题来说在满足Slater约束规格的条件下,对问题的求解可以转化为其极小化Lagrange函数问题的求解,也就是说必然存在一个乘子
,能
使
,在这里
,故问题(2.1)等价于下述问题:
(3.1)
问题(3.1)还可以等价的写成:
(3.2)
我们定义相应的额定下降:
定理3.1:令问题(2.1)的最优解为
,假设参数
,则有
,其中
并且
是下述问题的最优解
(3.3)
证明:因为问题(3.2)和问题(2.1)是等价的,所以可以通过引入变量
得到问题(3.2)的等价形式如下:
(3.4)
当
时,问题(3.4)的Lagrange函数为:
整理得:
由于目标函数是强凸的,所以问题(2.1)有且仅有一个解。记最优乘数为
,
可以从问题(3.4)和它的对偶问题中获得。
该问题与问题(3.4)的有限最优值是一样的,不一样的是对偶问题的内层是无约束最小化优化问题,所以必有
。基于以上结论,问题(3.2)的最优解
和最优乘数
分别可以从原问题和对偶问题中得到。
其中
考虑对偶问题,对于
,应用
的最优性条件
。即
(3.5)
记
,当
,
时,有
。
接下证明
是问题(3.3)的解。
首先,在式子(3.5)的两边同时乘
得
即
(3.6)
同理在式(3.5)两边同时乘
得
。
再在两边同乘
得
。
即
(3.7)
将式子(3.6)和式子(3.7)联立,得
故有
综上所述
是问题(3.3)的解。
5. 结论
本文从Lagrange对偶空间理论出发,研究了一类带有矩阵范数的混合束方法子问题,并通过计算得到该子问题的解,最后给出解的具体表达式,为以后束方法问题研究工作的展开提供了新的理论基础。