Augmented Lagrangian Methods invoking (Proximal) Gradient-type Methods for (Composite) Structured Optimization Problems

Autor: Jia, Xiaoxi
Jazyk: angličtina
Rok vydání: 2023
Předmět:
Druh dokumentu: Doctoral Thesis<br />Doctoral Thesis
DOI: 10.25972/OPUS-32374
Popis: This thesis, first, is devoted to the theoretical and numerical investigation of an augmented Lagrangian method for the solution of optimization problems with geometric constraints, subsequently, as well as constrained structured optimization problems featuring a composite objective function and set-membership constraints. It is then concerned to convergence and rate-of-convergence analysis of proximal gradient methods for the composite optimization problems in the presence of the Kurdyka--{\L}ojasiewicz property without global Lipschitz assumption.
Diese Dissertation widmet sich zunächst der theoretischen und numerischen Untersuchung eines erweiterten Lagrange-Verfahrens zur Lösung von Optimierungsproblemen mit geometrischen Nebenbedingungen, in weiterer Folge, sowie eingeschränkten strukturierten Optimierungsproblemen mit einer zusammengesetzten Zielfunktion und Mengenzugehörigkeitsbeschränkungen. Es befasst sich dann mit der Konvergenz- und Konvergenzanalyse von Proximalgradientenverfahren für zusammengesetzte Optimierungsprobleme in Gegenwart der Kurdyka--{\L}ojasiewicz-Eigenschaft ohne globale Lipschitz-Annahme.
Databáze: Networked Digital Library of Theses & Dissertations