研究人员开发了针对一类非凸约束优化问题的新型原对偶方法。这些方法通过采用平滑的近线性增广拉格朗日方法来解决约束违反和乘子无界等挑战。该工作为所提出的算法建立了有限时间收敛率，在有对偶正则化的情况下达到 $O(K^{-1/3})$，在特定结构假设下，在无正则化情况下收敛率更优，达到 $O(K^{-1/2})$。 AI
影响 这项研究为优化算法的理论基础做出了贡献，而优化算法对于训练复杂的AI模型至关重要。
排序理由 该集群包含一篇详细介绍优化问题新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.08954v1 Announce Type: cross Abstract: We study nonasymptotic convergence of primal-dual methods for a class of nonconvex constrained optimization problems with a convex-composite structure. In this class, both the objective and the functional inequality constraints ar…
We study nonasymptotic convergence of primal-dual methods for a class of nonconvex constrained optimization problems with a convex-composite structure. In this class, both the objective and the functional inequality constraints are given by convex Lipschitz outer functions compos…