Regularized Extragradient Methods for Solving Equilibrium Problems on Hadamard Manifolds
The Technion – Israel Institute of Technology(以色列理工学院);IIT Roorkee(印度理工学院鲁尔基分校)
本文提出两种正则化extragradient方法用于解决Hadamard流形上的均衡问题,无需Lipschitz连续性假设,且在强伪单调情况下具有R-线性收敛速度。
2026-11-11 math.OC
Proximal Point Method for Vector Optimization on Hadamard Manifolds
本文将向量最优化的邻近点法从欧几里得空间推广到黎曼空间。在对目标函数进行适当假设的情况下,证明了该方法的良好定义并完全收敛于弱有效点。
2015-12-18 math.OC
Proximal Point Method for a Special Class of Nonconvex Functions on Hadamard Manifolds
本文给出了Hadamard流形上一类特殊非凸函数的逼近点方法。保证了由邻近点法产生的序列的良好定义性。证明了该序列的每一个聚点都满足必要的最优性条件,并在附加的假设下,得到了该序列收敛于极小元的结果。
2010-04-13 math.OC
An inexact proximal point method for variational inequality on Hadamard manifolds
本文对Hadamard流形上的变分不等式问题提出了一种不精确邻近点方法,并研究了其收敛性。所提出的算法在两个意义上是不精确的。首先,每个邻近的子问题是近似使用的向量场的扩大考虑,然后下一个迭代是通过解决这个子问题,允许适当的误差容限。作为应用,我们得到了Hadamard流形上约束优化问题、平衡问题和非线性最优化问题的一个非精确邻近点方法。
2021-03-03 math.OC
Enlargement of Monotone Vector Fields and an Inexact Proximal Point Method for Variational Inequalities in Hadamard Manifolds
本文对Hadamard流形上的变分不等式引入了一种不精确邻近点方法,并研究了它的收敛性。用于呈现的方法的主要工具是单调向量场的扩大的概念,其将单调算子的扩大的概念从线性设置推广到黎曼上下文。作为应用,得到了求解约束最优化问题的一个非精确邻近点方法。
2015-11-26 math.OC
Behavioral Traps and the Equilibrium Problem on Hadamard Manifolds
本文给出了Hadamard流形上平衡问题解存在的充分条件,并在适当的截面曲率假设下,给出了有限时间内求解该平衡问题的邻近点法的收敛性分析框架.最后,我们提供了一个应用程序的个人平衡问题的行为陷阱的问题,使用最近的“变分理性”的人类行为的方法。
2014-03-31 math.OC
On the Linear Convergence of Policy Gradient under Hadamard Parameterization
Fudan University(复旦大学);East China University of Science and Technology(华东理工大学)
本文在表格设置下研究了Hadamard参数化下确定性策略梯度的收敛性,证明了算法的全局$O(1/k)$误差下降速率及局部线性收敛性。
2023-11-26 cs.LG math.OC stat.ML
An explicit extragradient algorithm for equilibrium problems on Hadamard manifolds
本文研究了Hadamard流形上伪单调平衡问题的一个新的外梯度算法。该算法使用可变步长,该步长在每次迭代时更新,并基于先前的一些迭代。在较弱的假设条件下,对算法的收敛性进行了分析.在平衡双函数是强伪单调的情况下,给出了新算法的$R$ -线性收敛速率。一个基本的实验来说明该算法的数值行为。所得结果推广了已有的相应结果.
2020-05-21 math.FA math.OC
A relaxed-inertial proximal point algorithm for strongly quasiconvex equilibrium problems on Hadamard manifolds
University of Bath(巴斯大学)
研究哈达玛流形上强拟凸平衡问题的近端点算法,结合惯性步与超松弛,利用定量方法论证收敛性,给出迭代点到解距离的收敛速率,将相关工作首次扩展到非线性设置并改进假设。
2026-07-22 math.OC
A subdifferential characterization via Busemann functions and applications to DC optimization on Hadamard manifolds
Federal University of Goias(戈亚斯联邦大学);Universidade Federal de Santa Catarina(圣卡塔琳娜联邦大学);University of Birmingham(伯明翰大学)
本文提出基于Busemann函数的亚微分特征化方法,用于Hadamard流形上的差分凸优化,通过凹性设计优化算法并分析其收敛性。
2026-02-24 math.OC
The proximal point method and its two variants for monotone vector fields in Hadamard spaces
King Mongkut’s University of Technology Thonburi(泰国皇家理工大学吞武里);Tokai University(东海大学)
本文研究了在Hadamard空间中单调向量场的近点法及其两个变种的收敛性与存在性,探讨了切空间、解析算子和单调向量场的基本性质。
2026-05-02 math.FA math.MG math.OC
An Adaptive Proximal Point Method for Nonsmooth and Nonconvex Optimization on Hadamard Manifolds
Federal University of Piauı́(皮奥伊联邦大学);Universidade Estadual do Sudoeste da Bahia(巴伊亚西南州立大学)
针对完备黎曼流形上的非光滑非凸复合优化问题,提出两种自适应邻近点方法变体(分别利用或无需光滑部分梯度的Lipschitz常数),分析复杂度与收敛性并通过数值实验验证有效性。
2025-11-18 math.OC
Mean-square and sublinear convergence of a stochastic proximal point algorithm in metric spaces of nonpositive curvature
Nicholas Pischke(独立研究者)
该研究在非线性Hadamard空间中提出随机邻近点算法,证明其在Hilbert-Hadamard空间的收敛性,得到高度一致的显式收敛速率,并讨论了次线性非渐近保证。
2026-08-10 cs.LG math.OC
A Busemann hybrid projection-proximal point algorithm for optimization problems on Hadamard manifolds
Deakin University(迪肯大学);Federal University of Goias(戈亚斯联邦大学)
本文提出了一种基于Busemann函数的混合投影-近点算法,用于Hadamard流形上的优化问题,实现了几何内禀的迭代方案并证明了全局收敛性。
2026-01-12 math.OC
$\texttt{RidgeSketch}$: A Fast sketching based solver for large scale ridge regression
我们提出了解决大规模岭回归问题的草图和项目方法的新变种。首先,我们提出了一个新的动量替代,并提供了一个定理,表明它可以加快收敛的草图和投影,通过一个快速的$\textit{sublinear}$收敛速度。我们仔细界定在什么样的设置下,这个新的次线性速度比以前已知的线性收敛速率更快的草图和项目没有动量。其次,我们考虑结合素描和项目的方法与新的现代素描方法,如计数素描,子计数素描(我们提出的一种新方法),和子采样阿达玛变换。我们的实验表明,当结合草图和项目的方法,(子)计数草图是非常有效的稀疏数据和标准的子样本草图是有效的密集数据。事实上,我们表明,这些草图的方法,结合我们的新的动量计划,结果是有竞争力的方法,即使相比真正的大规模数据的共轭梯度法。相反,我们表明,子采样阿达玛变换在这种情况下并没有很好地执行,尽管使用快速阿达玛变换,也没有最近提出的加速方案在实践中工作得很好。为了支持我们所有的实验发现,并邀请社区验证和扩展我们的结果,我们还发布了一个开源软件包:$\texttt{RidgeSketch}$。我们用Python设计了这个面向对象的包,用于测试草图和项目方法以及对岭回归求解器进行基准测试。$\texttt{RidgeSketch}$是高度模块化的,新的草图绘制方法可以很容易地作为子类添加。我们在附录中提供了我们包的代码片段。
2021-05-26 math.OC
Decentralized Online Riemannian Optimization Beyond Hadamard Manifolds
Department of Mechanical & Industrial Engineering at Northeastern University(东北大学机械与工业工程系)
针对可能具有正曲率的流形,提出曲率感知的黎曼共识步骤,实现去中心化在线黎曼梯度下降算法,并证明O(√T)遗憾界。
2026-06-06 cs.LG cs.MA math.OC
Nonsmooth Riemannian optimization with inexact manifold primitives via bundle methods
Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出一种非光滑几何凸优化的近似包方法,通过引入子梯度和近似原语,建立了首个依赖于子梯度和近似原语的oracle复杂度界,实现了通用目标的次线性收敛和线性收敛。
2026-04-29 math.OC
Horospherically Convex Optimization on Hadamard Manifolds Part I: Analysis and Algorithms
本文针对Hadamard流形上的优化问题,提出水平凸性(h-凸性)概念,并设计曲率无关的次梯度下降与Nesterov加速算法,匹配欧氏空间复杂度,并扩展到函数和最小化场景。
2025-05-22 cs.NA math.DG math.NA
Gradient descent for unbounded convex functions on Hadamard manifolds and its applications to scaling problems
Graduate School of Mathematics, Nagoya University(名古屋大学大学院数学院);Faculty of Physics, Ludwig-Maximilians-Universität München(慕尼黑大学物理学院)
研究Hadamard流形上无界凸函数的梯度流渐进行为,建立梯度范数与退化函数的对偶定理,并应用于非交换优化和算子缩放问题,揭示梯度下降收敛性质及矩阵 pencil 的克罗内克标准型。
2026-03-27 math.DG math.OC
Effective rates for continuous-time quasi-Fejér monotone dynamical systems
Department of Computer Science, University of Bath(巴斯大学计算机系)
本文研究连续时间动力系统在度量空间中的收敛性,提供量化结果及显式构造的稳定性速率,适用于紧空间和非紧空间,并通过案例展示其在不同动力系统中的应用。
2026-03-24 math.OC
Monotone vector fields and generation of nonexpansive semigroups in complete CAT(0) spaces
本文利用切空间的结构,讨论了凸函数理论的典型推广--单调向量场。CAT(0)空间中单调性的这种新方法与Khatibzadeh和Ranjbar [14]以及Chaipunya和Kumam [8]在CAT(0)空间中定义的单调性相反。特别地,这个新概念将理论从希尔伯特空间和Hadamard流形中推广,而已知的概念与Hadamard流形中的理论几乎没有任何明显的关系。我们还研究了给定单调向量场的相应预解式和Yosida逼近,并得到了它们的许多重要性质。最后,我们证明了一个生成定理,证明了一个指数公式应用于单调向量场的预解式的收敛性。我们的发现改进了文献中的几个已知结果,包括Jost [13,定理1.3.13],Mayer [19,定理1.13],Stojkovic [22,定理2.18]和Bacák [4,定理1.5]中关于完备CAT(0)空间中的真凸下连续函数的生成定理,以及Iwamiya和Okochi [11,定理4.1]在Hadamard流形的上下文中对单调向量场。
2019-06-14 math.FA math.MG math.OC
Newton Sketch: A Linear-time Optimization Algorithm with Linear-Quadratic Convergence
University of California, Berkeley(加州大学伯克利分校)
我们提出了一种随机二阶优化方法,称为牛顿草图:它基于使用随机投影或子采样Hessian执行近似牛顿步骤。对于自协调函数,我们证明了该算法具有指数高概率的超线性收敛,收敛性和复杂性的保证是独立的条件数和相关的问题依赖量。给定一个合适的初始化,类似的保证也适用于强凸和光滑的目标,没有自我和谐。当使用基于子采样Hadamard基的随机投影来实现时,该算法通常具有比牛顿法低得多的复杂度。我们还描述了扩展我们的方法,涉及凸约束的程序,配备了自我和谐的障碍。我们讨论并举例说明应用线性规划,二次规划与凸约束,逻辑斯谛回归和其他广义线性模型,以及半定规划。
2015-05-09 cs.DS cs.LG math.OC
Total variation regularization for manifold-valued data
Helmholtz Center Munich(慕尼黑亥姆霍兹中心);Technische Universität München(慕尼黑工业大学);École Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
本文考虑流形值数据的全变差最小化问题。我们提出了一个循环邻近点法和并行邻近点法,以尽量减少电视泛函$\ell^p$型数据项在流形的情况下。这些算法是基于迭代测地线平均,这使得他们很容易适用于一个大类的数据流形。作为一个应用程序,我们考虑去噪图像,其值在一个流形。我们将我们的算法应用到扩散张量图像,干涉SAR图像以及球和柱值图像。对于一类Cartan-Hadamard流形(包括扩散张量成像中的数据空间),我们证明了所提出的TV最小化算法收敛到全局最小值。
2013-12-30 cs.CV math.OC physics.med-ph