Глобализованный кусочный метод Левенберга–Марквардта с процедурой для предотвращения сходимости к нестационарным точкам

Обложка

Цитировать

Полный текст

Аннотация

Современные версии метода Левенберга–Марквардта для уравнений с ограничениями обладают сильными свойствами локальной сверхлинейной сходимости, допускающими возможную неизолированность решений и возможную негладкость уравнений. Недавно был разработан соответствующий глобальной сходящийся вариант алгоритма для кусочно-гладкого случая, основанный на одномерном поиске для квадрата невязки в евклидовой норме. Для этого алгоритма была показана глобальная сходимость к стационарным точкам для какого-то активного гладкого кусочного отображения, причем примеры показывают, что установить более сильные свойства глобальной сходимости для этого алгоритма без дальнейших его модификаций невозможно. В этой статье разрабатывается такая модификация глобализованного кусочного метода Левенберга–Марквардта, позволяющая избегать нежелательных предельных точек, тем самым обеспечивая желаемое свойство B-стационарности предельных точек для задачи минимизации квадрата невязки исходного уравнения в евклидовой норме, на множестве, задаваемом ограничениями. Конструкция состоит в идентификации гладких кусочных отображений, активных в потенциальных предельных точках, посредством использования подходящей оценки расстояния для активного гладкого кусочного отображения, используемого на текущей итерации, с последующим переключением, при необходимости, на более перспективное идентифицированное кусочное отображение. Устанавливаются глобальная сходимость к B-стационарным точкам и асимптотическая сверхлинейная скорость сходимости, где последнее также основано на подходящей оценке расстояния, но в этом случае до решений исходного уравнения с ограничениями.

Об авторах

Алексей Феридович Измаилов

ФГБОУ ВО «Московский государственный университет им. М. В. Ломоносова»

Автор, ответственный за переписку.
Email: izmaf@cs.msu.ru
ORCID iD: 0000-0001-9851-0524

доктор физико-математических наук, профессор кафедры исследования операций

Россия, 119991, ГСП-2, Российская Федерация, г. Москва, Ленинские горы, 1

Чжибай Янь

ФГБОУ ВО «Московский государственный университет им. М. В. Ломоносова»

Email: yanzhibai@cs.msu.ru
ORCID iD: 0009-0003-6425-0332

аспирант

Россия, 119991, ГСП-2, Российская Федерация, г. Москва, Ленинские горы, 1

Список литературы

  1. A. Fischer, A.F. Izmailov, M.V. Solodov, "The Levenberg-Marquardt method: an overview of modern convergence theories and more", Computational Optimization and Applications, 89:1 (2024), 33-67.
  2. A.F. Izmailov, E.I. Uskov, Z. Yan, "The piecewise Levenberg-Marquardt method", Advances in System Sciences and Applications, 24:1 (2024), 29-39.
  3. A.F. Izmailov, E.I. Uskov, Z. Yan, "Globalization of convergence of the constrained piecewise Levenberg-Marquardt method", Optimization Methods and Software, 40:2 (2025), 243-265.
  4. A. Fischer, M. Herrich, A.F. Izmailov, M.V. Solodov, "Convergence conditions for Newton-type methods applied to complementarity systems with nonisolated solutions", Computational Optimization and Applications, 63:2 (2016), 425-459.
  5. A. Fischer, M. Herrich, A.F. Izmailov, W. Scheck, M.V. Solodov, "A globally convergent LP-Newton method for piecewise smooth constrained equations: escaping nonstationary accumulation points", Computational Optimization and Applications, 69:2 (2018), 325-349.
  6. A. Fischer, M. Herrich, A.F. Izmailov, M.V. Solodov, "A globally convergent LP-Newton method", SIAM J. on Optimization, 26 (2016), 2012-2033.
  7. A.F. Izmailov, M.V. Solodov, Newton-Type Methods for Optimization and Variational Problems, Springer Series in Operations Research and Financial Engineering, Springer, Cham, 2014.
  8. F. Facchinei, J.-S. Pang, Finite-Dimensional Variational Inequalities and Complementarity Problems., Springer-Verlag, New York, 2003.
  9. R. Behling, A. Fischer, "A unified local convergence analysis of inexact constrained Levenberg-Marquardt methods", Optimization Letters, 6 (2012), 927-940.
  10. A. Fischer, "Local behavior of an iterative framework for generalized equations with nonisolated solutions", Mathematical Programming, 94 (2002), 91-124.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

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».