Resumen

El método de dirección alternante de multiplicadores (ADMM) es un método efectivo para resolver problemas convexos separables de dos bloques y su convergencia está bien entendida. Cuando el número de bloques involucrados es mayor a dos, o hay una función no convexa, o hay una estructura no separable, ADMM o su versión extendida directamente pueden no converger. En este artículo, proponemos un algoritmo basado en ADMM para problemas de optimización multibloque no convexos con una estructura no separable. Mostramos que cualquier punto de agrupamiento de la secuencia iterativa generada por el algoritmo propuesto es un punto crítico, bajo condiciones suaves. Además, establecemos la convergencia fuerte de toda la secuencia, bajo la condición de que la función potencial cumpla con la propiedad de Kurdyka-Ojasiewicz. Esto proporciona la base teórica para la aplicación del ADMM propuesto en la práctica. Por último, presentamos algunos resultados numéricos preliminares para mostrar la efectividad del algoritmo propuesto.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Método; ADMM; Convergencia; No convexo; Multibloque; Optimización;
• Keywords:Method; ADMM; Convergence; Nonconvex; Multiblock; Optimization;