Resumen

Muchos problemas de aplicación de interés práctico se pueden plantear como modelos de optimización convexa estructurada. En este artículo, estudiamos un nuevo algoritmo primal-dual de primer orden. El método puede implementarse fácilmente, siempre que los operadores resolventes de las funciones objetivo componentes sean simples de evaluar. Mostramos que el método propuesto puede interpretarse como un algoritmo de punto proximal con un parámetro proximal métrico personalizado. La propiedad de convergencia se establece bajo el marco de contracción analítica. Finalmente, verificamos la eficiencia del algoritmo resolviendo el problema de búsqueda de componentes principales estables.

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Algoritmo; Optimización convexa; Primal-dual; Punto proximal; Convergencia; Resolvente.
• Keywords:Algorithm; Convex optimization; Primal-dual; Proximal point; Convergence; Resolvent.