Primal-dual block-proximal splitting for a class of non-convex problems
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F20%3A00118171" target="_blank" >RIV/00216224:14310/20:00118171 - isvavai.cz</a>
Výsledek na webu
<a href="https://epub.oeaw.ac.at/?arp=0x003bd91d" target="_blank" >https://epub.oeaw.ac.at/?arp=0x003bd91d</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1553/etna_vol52s509" target="_blank" >10.1553/etna_vol52s509</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Primal-dual block-proximal splitting for a class of non-convex problems
Popis výsledku v původním jazyce
We develop block structure-adapted primal-dual algorithms for non-convex non-smooth optimisation problems, whose objectives can be written as compositions G(x) + F(K(x)) of non-smooth block-separable convex functions G and F with a nonlinear Lipschitz-differentiable operator K. Our methods are refinements of the nonlinear primal-dual proximal splitting method for such problems without the block structure, which itself is based on the primal-dual proximal splitting method of Chambolle and Pock for convex problems. We propose individual step length parameters and acceleration rules for each of the primal and dual blocks of the problem. This allows them to convergence faster by adapting to the structure of the problem. For the squared distance of the iterates to a critical point, we show local O(1/N), O(1/N-2), and linear rates under varying conditions and choices of the step length parameters. Finally, we demonstrate the performance of the methods for the practical inverse problems of diffusion tensor imaging and electrical impedance tomography.
Název v anglickém jazyce
Primal-dual block-proximal splitting for a class of non-convex problems
Popis výsledku anglicky
We develop block structure-adapted primal-dual algorithms for non-convex non-smooth optimisation problems, whose objectives can be written as compositions G(x) + F(K(x)) of non-smooth block-separable convex functions G and F with a nonlinear Lipschitz-differentiable operator K. Our methods are refinements of the nonlinear primal-dual proximal splitting method for such problems without the block structure, which itself is based on the primal-dual proximal splitting method of Chambolle and Pock for convex problems. We propose individual step length parameters and acceleration rules for each of the primal and dual blocks of the problem. This allows them to convergence faster by adapting to the structure of the problem. For the squared distance of the iterates to a critical point, we show local O(1/N), O(1/N-2), and linear rates under varying conditions and choices of the step length parameters. Finally, we demonstrate the performance of the methods for the practical inverse problems of diffusion tensor imaging and electrical impedance tomography.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10102 - Applied mathematics
Návaznosti výsledku
Projekt
<a href="/cs/project/EF17_050%2F0008496" target="_blank" >EF17_050/0008496: MSCAfellow@MUNI</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Electronic Transactions on Numerical Analysis
ISSN
1068-9613
e-ISSN
—
Svazek periodika
52
Číslo periodika v rámci svazku
2020
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
44
Strana od-do
509-552
Kód UT WoS článku
000592187100027
EID výsledku v databázi Scopus
2-s2.0-85092726928