О ПОСТРОЕНИИ ГРАДИЕНТНОГО МЕТОДА КВАДРАТИЧНОЙ ОПТИМИЗАЦИИ, ОПТИМАЛЬНОГО С ТОЧКИ ЗРЕНИЯ МИНИМИЗАЦИИ РАССТОЯНИЯ ДО ТОЧНОГО РЕШЕНИЯ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Задачи квадратичной оптимизации в гильбертовом пространстве часто возникают при решении некорректных задач для дифференциальных уравнений. При этом известно целевое значение функционала. Кроме того, структура функционала позволяет вычислять градиент с помощью решения корректных задач, что позволяет применять методы первого порядка. Настоящая статья посвящена построению m-моментного метода минимальных ошибок — эффективного метода, минимизирующего расстояние до точного решения. Доказывается сходимость и оптимальность построенного метода, а также невозможность равномерной сходимости методов, работающих в подпространствах Крылова. Проводятся численные эксперименты, демонстрирующие эффективность применения m-моментного метода минимальных ошибок к решению различных некорректных задач: начально-краевой задачи для уравнения Гельмгольца, ретроспективной задачи Коши для уравнения теплопроводности, обратной задачи термоакустики. Библ. 8. Фиг. 13. Табл. 4.

Об авторах

Н. В Плетнев

МФТИ

Email: nikita_pletnev@list.ru
Долгопрудный, Россия

Список литературы

  1. Поляк Б.Т. Минимизация негладких функционалов // Ж. вычисл. матем. и матем. физ. 1969. Т. 9. № 3. С. 509–521.
  2. Devanathan N., Boyd S. Polyak minorant method for convex optimization. e-print, 2024. URL: https://arxiv.org/abs/2310.07922.
  3. Goujaud B., Taylor A., Dieuleveut A. Quadratic minimization: from conjugate gradient to an adaptive Heavy-ball method with Polyak step-sizes. e-print, 2022. URL: https://arxiv.org/abs/2210.06367.
  4. Kabanikhin S.I. Inverse and ill-posed problems: theory and applications. Berlin: Walter de Gruyter GmbH & Co, 2012. 459 p. ISBN 978-3-11-022400-9.
  5. Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. М.: Физматлит, 2004. ISBN 5-9221-0266-4.
  6. Павлин Н.В., Двуреченский П.Е., Гасников А.В. Применение градиентных методов оптимизации для решения задачи Коши для уравнения Гельмгольца // Компьют. исслед. и моделирование. 2022. Т. 14. № 2. С. 417–444.
  7. Павлин Н.В., Матюхин В.В. О модификации метода покомпонентного спуска для решения некоторых обратных задач математической физики // Компьют. исслед. и моделирование. 2023. Т. 15. № 2. С. 301–316.
  8. Кабанихин С.Н., Шишленин М.А., Криворотько О.И. Оптимизационный метод решения обратной задачи термоакустики // Сиб. электрон. матем. изв. 2011. Т. 8. С. 263–292.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».