Resumen

Recientemente, los algoritmos de gradiente proximal existentes han sido utilizados para resolver problemas de optimización convexa no suave. Como un problema convexo no suave especial, los programas cuadráticos con restricciones lineales simples y restricciones de caja aparecen en una amplia gama de aplicaciones. Por lo tanto, proponemos un algoritmo de gradiente proximal acelerado para programas cuadráticos con restricciones lineales simples y restricciones de caja. En cada iteración, el subproblema cuya matriz Hessiana es diagonal y definida positiva es un modelo sencillo que se puede resolver eficientemente mediante la búsqueda de una raíz de una función lineal por partes. Se demuestra que el nuevo algoritmo puede terminar en una solución -óptima dentro de iteraciones. Además, no se necesita búsqueda de línea en este algoritmo, y la convergencia global puede ser demostrada bajo condiciones suaves. Se reportan resultados numéricos para la resolución de programas cuadráticos surgidos del entrenamiento de máquinas de vectores de soporte, que muestran

• Materias:Robots Cuidados pediátricos Experimentos numéricos Radares Factores psicológicos
• Subjects:Robot Pediatric care Numerical experiments Radars Psychological factors
• Palabras claves:Algoritmos de gradiente proximal; Problemas de optimización convexa no suave; Programas cuadráticos con restricciones lineales; Restricciones de caja; Algoritmo acelerado; Máquinas de soporte vectorial
• Keywords:Proximal gradient algorithms; Non-smooth convex optimization problems; Linearly constrained quadratic programs; Box constraints; Accelerated algorithm; Support vector machines