Rates of (T-)asymptotic regularity of the generalized Krasnoselskii-Mann-type iteration
本文用证明挖掘方法计算广义Krasnoselskii-Mann型迭代的渐近正则性速率，并在特殊参数下得到二次速率。
2025-01-22 math.LO math.OC
Stochastic Krasnoselskii-Mann Iterations: Convergence without Uniformly Bounded Variance
University of Oxford（牛津大学）；University of Groningen（格罗宁根大学）
本文研究了随机 Krasnoselskii-Mann 迭代在实希尔伯特空间中的期望非扩张固定点问题，证明在比文献中更弱的方差假设下收敛，仅需在单一固定点处有有限方差，从而获得几乎必然弱收敛性和残差收敛率。
2026-09-14 math.OC
Krasnoselskii-Mann Iterations: Inertia, Perturbations and Approximation
本文系统分析结合松弛与惯性原理的定点迭代族，统一其弱、强及线性收敛条件，并证明在弱假设下对多种扰动的鲁棒性，数值实验展示图像修复与电力市场中的应用趋势。
2025-06-23 math.OC
Fast Krasnosel'skii-Mann algorithm with a convergence rate of the fixed point iteration of $o\left(\frac{1}{k}\right)$
针对基础KM算法的收敛速度问题，通过引入Nesterov动量更新构建Fast KM算法，在保留迭代弱收敛性的同时实现不动点残差$o(1/k)$的收敛速度，实验验证其优于多种不动点迭代格式。
2023-08-24 cs.NA math.NA math.OC
Fast Krasnoselskii-Mann Method with Overrelaxation and Preconditioners
本文提出带预条件子的广义快速 Krasnoselskii-Mann 方法，通过连续时间模型统一惯性与锚定加速，允许更大松弛参数，并证明退化预条件子下影子序列的弱收敛。
2025-09-27 cs.NA math.NA math.OC
Learning to accelerate Krasnosel'skii-Mann fixed-point iterations with guarantees
Division of Decision and Control Systems, KTH Royal Institute of Technology（决策与控制系统系，皇家理工学院）；Digital Futures（数字未来）
本文提出L2O框架，通过引入可和扰动优化Krasnosel'skii-Mann迭代，提升平均性能并保持收敛性，用于加速结构单调包含问题的求解。
2026-10-12 cs.LG cs.SY eess.SY
Solving irreducible stochastic mean-payoff games and entropy games by relative Krasnoselskii-Mann iteration
本研究结合相对值迭代与Krasnoselskii-Mann阻尼提出求解不可约随机平均收益博弈的算法，证明其ε-近似迭代复杂度为O(|logε|)，还将方法拓展至熵博弈并通过变分分析验证收缩性质。
2023-05-03 cs.GT math.OC
On the rate of convergence of Krasnoselski-Mann iterations and their connection with sums of Bernoullis
Universidad de Chile（智利大学）
本文建立了非扩张映射不动点计算的Krasnoselski-Mann迭代的收敛速率估计，解决了Baillon-Bruck猜想，并通过建立迭代与非齐次伯努利试验和之间的随机过程联系以及利用新的Hoeffding型不等式来证明。
2012-11-29 cs.NA math.FA math.NA
Convergence of a Multi-Inertial-Iteration Scheme in Cone b, p-Normed Banach Spaces
University of Elbasan “Aleksandër Xhuvani”（埃利巴桑亚历山大·朱瓦尼大学）
本文提出一种在锥b, p-范数Banach空间中用于加速收敛的多惯性迭代方案，并证明其收敛性及固定点存在性。
2025-10-31 math.OC
A Two-step Krasnosel'skii-Mann Algorithm with Adaptive Momentum and Its Applications to Image Denoising and Matrix Completion
Jinan University（暨南大学）；Beihang University（北京航空航天大学）；Xiangtan University（湘潭大学）
提出一种带自适应动量的两步Krasnosel'skii-Mann算法，用于求解图像处理中的凸优化问题，并证明其弱收敛性和收敛速率，在图像去噪和矩阵补全任务中优于现有方法。
2026-07-15 cs.NA math.NA math.OC
A stochastic coordinate descent inertial primal-dual algorithm for large-scale composite optimization
考虑一种惯性原始对偶法，用于计算两个凸函数之和与另一个凸函数与一个连续线性算子的复合的极小化。利用坐标下降的思想，设计了一种随机坐标下降惯性原对偶分裂算法。此外，为了证明所提出的惯性算法的收敛性，我们首先构造了随机Krasnosel'skiii-Mann迭代算法的惯性版本，用于逼近非扩张算子的不动点集，并研究了它的收敛性。然后将随机Krasnosel'skiii-Mann迭代的惯性形式应用于邻近算子的合成，得到了随机坐标下降惯性原对偶分裂算法的收敛性.
2016-04-17 math.OC
Distributed Algorithms for Computing a Common Fixed Point of a Group of Nonexpansive Operators
研究了实希尔伯特空间中时变多智能体网络上的一组非扩张算子的公共不动点问题，其中每个算子仅为每个智能体所知，并且所有智能体需要通过时变网络上的局部通信将自己的信息传播给邻居来合作解决这个问题.为了解决这个问题，受集中式不精确Krasnosel'ski \u K-Mann（IKM）迭代的启发，我们提出了一种分布式不精确Krasnosel'ski \u K-Mann（D-IKM）迭代算法.证明了D-IKM迭代能弱收敛到非扩张算子族的公共不动点。此外，在所有算子及其不动点集都是（有界）线性正则的假设下，证明了D-IKM迭代对某个常数$ξ\in(0,1)$以速率$O(1/k^{\ln(1/ξ)})$收敛，其中$k$是迭代次数.为了降低计算复杂性和存储传输负担，进一步考虑了在每次迭代中只更新每个智能体坐标的随机部分的情况，并提出了一种相应的算法--分布式不精确块坐标Krasnosel'ski \u K-Mann（D-IBKM）迭代.证明了该算法弱收敛于所考虑算子组的一个公共不动点，并且在（有界）线性正则性的额外假设下，它以速率$O(1/k^{\ln(1/ξ)})$收敛.此外，它表明，收敛速度$O(1/k^{\ln(1/ξ)})$仍然可以保证在一个更宽松的（有界）的权力的正则性条件。
2019-02-07 math.OC
Rates of asymptotic regularity of the Tikhonov-Mann iteration for families of mappings
该研究将希尔伯特空间中非扩张映射族的Krasnoselskii-Mann型强收敛迭代推广至W-双曲空间，算出其有效渐近正则速率，同时把Tikhonov-Mann迭代的相关结果从单映射拓展到映射族。
2023-06-13 math.OC
Variance-Reduced Fast Krasnoselkii-Mann Methods for Finite-Sum Root-Finding Problems
The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）
提出一类带方差缩减的快速Krasnoselkii-Mann方法，求解有限和求根问题，实现O(1/k^2)收敛速率及最优预言机复杂度，并扩展至包含问题。
2026-09-10 math.OC stat.ML
Stochastic Inertial Krasnosel'skii-Mann Iteration Achieves Near-Optimal Sample Complexity
Carnegie Mellon University（卡内基梅隆大学）；Meta FAIR；Yale University（耶鲁大学）；Boston University（波士顿大学）
提出随机惯性Krasnosel'skii-Mann（iKM）方法，通过两次惯性外推实现非扩张算子不动点求解，达到近最优样本复杂度并改进经典KM的收敛速率。
2026-09-28 cs.LG math.OC stat.ML
Quantitative metastability of the Tikhonov-Mann iteration for countable families of mappings
本文研究了CAT(0)空间中可数映射族的Tikhonov-Mann迭代，获得了其亚稳态速率，并将其作为强收敛版Krasnoselskii-Mann迭代及单映射迭代的推广。
2024-06-05 math.OC
Convergence Rates with Inexact Non-expansive Operators
本文给出了由非扩张算子构造的非精确Krasnosel'skiii-Mann迭代的收敛速度分析。我们的结果包括两个主要部分：我们首先建立全局逐点遍历迭代复杂性界，然后，在度量次正则性假设下，我们建立局部线性收敛的距离的迭代的不动点。所得到的迭代复杂度结果可用于分析文献中各种单调算子分裂方法的收敛速度，包括Forward-Backward、广义Forward-Backward、Douglas-Rachford、乘子交替方向法和原始-对偶分裂方法.对于这些方法，我们还开发了易于验证的终止标准，找到一个近似解，这可以看作是一个推广的终止标准的经典梯度下降法。最后，我们开发了一个并行分析的非平稳Krasnosel'skiii-Mann迭代。通过将所得结果应用于一大类结构单调包含和凸优化问题，说明了所得结果的有效性。对信号与图像处理中的一些大规模反问题进行了实验研究。
2015-09-16 math.OC
Distributed Algorithms for Computing a Fixed Point of Multi-Agent Nonexpansive Operators
研究了实希尔伯特空间中时变通信图下全局非扩张算子的不动点问题，其中全局算子是可分的，且由局部非扩张算子的聚合和组成.每个本地运营商只能对每个代理商进行私有访问，所有代理商构成一个网络。为了寻求全局算子的不动点，Agent之间必须交换局部信息，协同更新解。为了解决这个问题，开发了两种算法，称为分布式Krasnosel'ski \u K-Mann（D-KM）和分布式块坐标Krasnosel'ski \u K-Mann（D-BKM）迭代，其中D-BKM迭代是D-KM迭代的块坐标版本，在这个意义上，随机选择和计算只有一个块坐标的局部操作员在每个时间为每个代理。证明了这两种算法都能弱收敛到全局算子的一个不动点。同时，将所设计的算法应用于恢复经典的分布式梯度下降（DGD）算法、设计新的块坐标DGD算法、首次处理希尔伯特空间中的分布式最短距离问题以及求解线性代数方程的分布式方法.最后，通过几个数值例子验证了理论结果。
2019-11-08 math.OC
Universal bounds for fixed point iterations via optimal transport metrics
我们提出了一个自包含的分析一个特定的家庭的度量的一组非负整数。我们表明，这些通过嵌套的一系列最优输运问题定义的度量为非扩展映射的一般Krasnosel'skiii-Mann不动点迭代提供了严格的估计。我们还描述了它们的一些非常特殊的性质，包括它们的单调性和所谓的“凸四边形不等式”，产生一个贪婪算法来有效地计算它们。
2022-04-20 math.OC
A regret minimization approach to fixed-point iterations
提出将遗憾最小化算法转换为固定点迭代的通用方案，推广了Krasnoselskii--Mann迭代，并基于AdaGrad获得自适应迭代，实验显示收敛更快。
2026-09-21 cs.LG cs.NA math.NA
Restarted Fixed-Point Acceleration of Proximal ADMM for Capped-$\ell_1$ Penalized Optimization
School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院）
针对带帽$\ell_1$惩罚的凸优化问题，利用其凸分支表示构造非扩张不动点映射，提出带重启机制的加速近端ADMM算法，证明其有限分支更新及收敛性，数值实验验证了算法有效性。
2026-10-16 math.OC
Directional asymptotics of Fejér monotone sequences
Fejér单调性的概念有助于统一许多迭代法的收敛性证明，如Krasnoselskiii-Mann迭代，邻近点方法，Douglas-Rachford分裂算法等。本文给出了Fejér单调序列强收敛连续性的方向渐近结果。我们还提供了一些例子来说明方向渐近聚类点的集合可以很大，并且在无限维空间中需要弱收敛。
2021-06-29 math.OC
Distributed Seeking for Fixed Points of Biased Stochastic Operators: A Communication-Efficient Approach
Northeastern University（东北大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）；Tongji University（同济大学）；Southeast University（东南大学）；University of Victoria（维多利亚大学）
本文研究了多智能体网络上可和性随机算子的分布式固定点寻找问题，提出了一种在放松增长偏置和方差条件下基于近似Krasnosel'ski\uı--Mann迭代的通信高效分布式算法，通过整合通信压缩和动态周期跳过技术，建立了分布式固定点迭代的收敛性保证，实现了与分布式非凸优化算法的理论统一。
2026-05-21 math.OC
A stochastic coordinate descent splitting primal-dual fixed point algorithm and applications to large-scale composite optimization
受Chen，Huang和Zhang最近的结果的启发，从基于邻近算子的不动点算法的角度考虑了求两个凸函数之和的极小值以及另一个凸函数与连续线性算子的复合的极小值问题.利用坐标下降的思想，设计了一种随机坐标下降分裂原始-对偶不动点算法.基于随机Krasnosel'skii mann迭代和邻近算子的强非扩张性质，我们证明了算法的收敛性。
2016-04-14 math.OC
On the metric resolvent: nonexpansiveness, convergence rates and applications
本文研究了度量预解式的非扩张性质，并给出了相应的不动点迭代（Banach-Picard型和Krasnosel'skiii-Mann型）的收敛速度分析.配备了一个可变的度量，我们开发的解决方案的距离和目标值方面的全球遍历和非遍历的迭代复杂性界。我们的论述的副产品还扩展了邻近算子和莫罗的分解身份，以任意变量的度量。进一步证明了许多一阶算子分裂算法，包括乘子的交替方向法、原始-对偶混合梯度法和Bregman迭代法，都可以用一个简单度量预解式的不动点迭代来表示，从而可以在这个统一的框架内分析其收敛性.
2021-09-12 math.OC
Global Convergence of Algorithms Based on Unions of Nonexpansive Maps
本文将Tam关于非扩张映射并集算法在强不动点附近的局部收敛性推广到任意起始点的全局收敛性，并给出Krasnosel'ski-Mann迭代的类似结论。
2023-04-19 math.OC
Moving-Average Iteration of Linear Maps
Faculty of Computer Science and Mathematics, University of Passau, Germany（帕绍大学计算机科学与数学学院）
本文研究固定复矩阵的移动平均迭代，在Krasnoselskii和Mann迭代框架下给出渐近稳定性的谱条件，推导稳定区域的显式公式，并证明其开、凸、半代数性及随窗口长度严格递增，确定极限区域。
2026-09-21 math.OC
Convergence rate analysis for averaged fixed point iterations in the presence of Hölder regularity
本文在希尔伯特空间中建立了由平均算子生成的不动点迭代的次线性和线性收敛性。我们的结果是在有界Hölder正则性假设下实现的，该假设推广了著名的有界线性正则性概念。作为我们的结果的应用，我们提供了一个收敛速度分析Krasnoselskiii-Mann迭代，循环投影算法，道格拉斯-Rachford可行性算法以及一些变种。在重要的情况下，其中的基础集是凸多项式在有限维空间中所描述的凸集，我们表明，Hölder正则性自动满足，从次线性收敛如下。
2016-08-18 math.OC
Baillon-Bruck-Reich revisited: divergent-series parameters and strong convergence in the linear case
UMass Lowell（麻省大学洛厄尔分校）；University of British Columbia, Kelowna（不列颠哥伦比亚大学奥肯那根分校）
本文研究了非扩张映射在发散级数条件下的强收敛性，改进了Baillon、Bruck和Reich 1978年的经典结果。
2026-03-23 math.OC
Stochastic fixed-point iterations for nonexpansive maps: Convergence and error bounds
本文研究了非扩张映射Krasnoselskii-Mann迭代的随机扰动版本，推导了几乎必然收敛的条件与非渐近误差界，并应用于平均奖励马尔可夫决策过程的强化学习。
2023-03-31 math.OC
Convergence acceleration for the BLUES function method
在BLUES函数法和变分迭代法的框架内，对Picard、Ishikawa、Mann和Picard-Krasnoselskii四种不同的迭代方法进行了详细的比较。所得到的修改后的方法随后施加到一个非线性反应扩散平流微分方程，以产生近似已知的精确解。通过对近似解的研究以及得到的近似解与精确解之间的误差，说明了BLUES函数法与变分迭代法的区别。
2022-07-18 cs.NA math.NA math.OC
Optimal error bounds for nonexpansive fixed-point iterations in normed spaces
本文研究了计算非扩张映射不动点的一般Mann迭代法的最优误差界和收敛速度。我们寻找迭代，实现最小的不动点残差后，$n$步骤，最小化最坏情况下的约束$\|x^n-Tx^n\|\le R_n$来自一个嵌套的家庭的最佳运输问题。我们证明了这个界是紧的，使最小化$R_n$产生最优迭代。从数值结果的启发，我们确定迭代，达到率$R_n=O(1/n)$，我们也证明是最好的可能。特别是，我们证明了经典的Halpern迭代实现这一最佳速率的几个替代步长，我们确定解析的最佳步长，达到最小的最坏情况下的残差在每一步$n$，与紧界$R_n\approx\frac{4}{n+4}$。我们还确定了仿射非扩张映射的最佳Halpern步长，我们得到了确切的$R_n=\frac{1}{n+1}$。最后，我们表明，经典的Krasnosel'ski \u的最佳速率-曼迭代是$Ω(1/\sqrt{n})$，并提出了数值证据表明，即使扩展的变体不能达到更快的速度。
2022-05-12 math.OC
Convergence of Proximal Splitting Algorithms in CAT(k) Spaces and Beyond
在CAT（k）空间中，由prox映射（如：K-prox，Krasnoselsky-Mann松弛，非线性投影梯度）构造的公共不动点迭代在线性度量次正则性假设下局部线性收敛.对于线性收敛的不动点序列，线性度量次正则性在任何情况下都是必要的，因此结果是紧的。为了证明这一点，我们发展了一个不动点映射理论，它违反了p-一致凸空间中的非扩张性和固定非扩张性的通常假设。
2021-05-12 math.FA math.OC
Formalization of Two Fixed-Point Algorithms in Hilbert Spaces
Shanghai Jiao Tong University（上海交通大学）；Jilin University（吉林大学）
本文在Lean4中形式化了两种固定点算法在Hilbert空间中的收敛性，提供了非扩张算子和Fejér单调序列的定义，并验证了两种迭代方案的收敛性。
2026-02-19 math.OC
SuperMann: a superlinearly convergent algorithm for finding fixed points of nonexpansive operators
算子分裂技术近年来在各种控制领域的凸优化问题中得到了广泛的应用。作为非扩张算子的不动点迭代，这种方法具有许多众所周知的缺点，包括对病态和参数选择的高敏感性，以及随之而来的低精度和鲁棒性。作为普遍的解决方案，我们提出SuperMann，牛顿型算法寻找非扩张算子的不动点。它推广了经典的Krasnosel'skiii-Mann格式，具有良好的整体收敛性质，并且需要完全相同的预言.它是基于一种新的分离超平面投影为非扩张映射，这使得它有可能包括沿任何方向的步骤。特别是，当方向满足丹尼斯-莫雷条件，我们表明，SuperMann收敛超线性温和的假设下，令人惊讶的是，不需要非奇异的雅可比矩阵的解决方案，但仅仅是度量次正则性。其结果是，SuperMann增强和鲁棒的结构凸优化的所有运营商分裂计划，克服他们众所周知的敏感性病态。
2018-03-14 math.OC
An Extension of Averaged-Operator-Based Algorithms
Instituto de Telecomunicações（电信研究所）
许多用于解决稀疏诱导正则化最小化问题的算法是通用的，因为它们不以任何特定的方式考虑解的稀疏性。然而，被称为半光滑牛顿的算法能够利用这种稀疏性来加速其收敛。我们将展示如何扩展这些算法在不同的方向，并研究所得到的算法的收敛性，表明他们是一个特殊的情况下，著名的Krasnosel'ski \u的扩展-曼计划。
2018-06-12 cs.CV eess.SP math.OC
On the convergence of discrete-time linear systems: A linear time-varying Mann iteration converges iff the operator is strictly pseudocontractive
TU Eindhoven（埃因霍温理工大学）；University of Pisa（比萨大学）；University of Udine（乌迪内大学）；TU Delft（代尔夫特理工大学）
本文从算子理论角度研究线性固定点迭代和离散时间线性系统的收敛性，证明Mann迭代收敛等价于线性算子的严格伪压缩性，并应用收敛条件分析多智能体系统。
2018-03-28 cs.GT cs.SY eess.SY
On the Rate of Asymptotic Regularity of Iterative Methods for Nonexpansive Mappings in CAT(0) Spaces and Hyperbolic Optimization
本文将Banach和Hilbert空间中的渐近正则性证明技术扩展到完备CAT(0)空间，并引入双曲优化的Halpern型优化器作为欧几里得HalpernSGD的非线性对应。
2026-06-23 math.FA math.OC
Primal-dual splittings as fixed point iterations in the range of linear operators
本文研究实希尔伯特空间中带临界预条件的复合单调包含的松弛原始对偶法。我们的方法是基于新的结果上的渐近行为的Krasnosel'ski \u-Mann（KM）迭代定义的单调自伴线性算子的范围内。这些结果推广了以逼近不动点为目标的经典KM迭代的收敛性。我们证明了带有临界预条件子的松弛原始对偶法在具有非平凡核的特定单调自伴线性算子的值域内定义了KM迭代。然后，我们推导出我们的不动点的方法，原始-对偶迭代的范围内的线性算子的阴影弱收敛到这个向量子空间中的某个点，从我们得到的解决方案。这将（Condat 2013定理3.3）推广到包含临界预条件子的无限维松弛原始-对偶单调包含。道格拉斯-Rachford分裂（DRS）被解释为一个特殊的情况下，原始对偶法的步长是关键的，我们恢复经典的结果从这个新的角度来看。在全变差重建中，我们实现了带有临界预条件的松弛原始对偶法，并说明了它的灵活性和有效性。
2021-08-11 math.OC
Asynchronous Sequential Inertial Iterations for Common Fixed Points Problems with an Application to Linear Systems
公共不动点问题要求在有限算子集合的不动点集合的交集中找到一个点。快速解决这类问题对于工程和科学任务具有重要的实际意义（例如，用于计算机断层扫描）。求解这些问题的迭代法通常采用Krasnosel'ski \u-Mann型迭代。我们提出了一个异步序列惯性（ASI）算法框架，在希尔伯特空间中解决常见的不动点问题的非扩张算子的集合。我们的计划允许使用过时的迭代生成更新时，从而使处理节点同时工作，没有同步。该方法还包括惯性型外推项，以提高收敛速度。特别地，我们扩展了最近的ARock算法”[Peng，Z.等人，SIAM J. on Scientific Computing 38，A2851-2879，（2016）]中。ASI算法的收敛性证明，没有假设的延迟的分布，但他们是一致有界的。讨论提供了一个计算的例子，显示的性能的ASI算法与对角松弛正交投影（DROP）算法估计的解决方案，以大型线性系。
2019-01-23 math.OC
Chebyshev Inertial Iteration for Accelerating Fixed-Point Iterations
提出了一种加快不动点迭代收敛速度的Chebyshev惯性迭代法。Chebyshev惯性迭代可以看作是利用切比雪夫多项式的根的逆作为迭代相关惯性因子的逐次超松弛或Krasnosel'ski \v-Mann迭代的变体。该方法的一个显著特点是除了线性不动点迭代外，还可以应用于非线性不动点迭代。不动点附近的线性化是分析该方法局部收敛速度的关键。所提出的方法似乎是有效的，特别是加速近端梯度法，如ISTA。证明了只要雅可比矩阵在不动点处的特征值都是实数，该方法就能成功地加速几乎所有的不动点迭代.
2020-01-10 cs.IT math.IT math.OC
Inducing strong convergence of trajectories in dynamical systems associated to monotone inclusions with composite structure
在这项工作中，我们研究的动力系统设计，以接近包含问题的解决方案集，涉及两个最大单调算子的总和。我们的目标是设计方法，保证强收敛的轨迹对最小范数的解决方案的基本单调包含问题。为此，我们详细调查的渐近行为的动力系统扰动的Tikhonov正则化的最大单调算子本身，或向量场的动力系统是正规化。在这两种情况下，我们证明了强收敛的轨迹对最小范数解决方案的基本单调包含问题，我们数值说明这两个互补的正则化策略之间的定性差异。这样构造的动力系统是Krasnoselskiiii-Mann的，向前-向后型或向前-向后-向前型的，并且借助于注入正则化，我们证明了关于希尔伯特空间值演化的强收敛性的开创性结果，该演化旨在解决单调包含和平衡问题。
2019-11-12 cs.NA math.DS math.FA
Asynchronous Iterations in Optimization: New Sequence Results and Sharper Algorithmic Guarantees
ABB Corporate Research（ABB企业研究院）；KTH Royal Institute of Technology（KTH皇家理工学院）
本文提出了异步迭代的新收敛结果，明确了异步程度对收敛速率的影响，加强了现有异步优化算法的理论保证，并改进了多种流行算法的复杂度界限与收敛分析。
2023-04-03 cs.DC cs.LG cs.SY
Inducing strong convergence into the asymptotic behaviour of proximal splitting algorithms in Hilbert spaces
University of Vienna, Faculty of Mathematics（维也纳大学数学学院）
本文提出改进的Krasnosel'ski\uı--Mann算法，证明迭代序列强收敛于问题的最小范数解，并推导了带有Tikhonov正则化项的向前-向后和Douglas-Rachford算法，用于求解单调包含问题。
2017-11-18 cs.NA math.NA math.OC
