SIAM Review· Kangkang Deng·AI 评分31
增广拉格朗日方法:综述与近期进展
The Augmented Lagrangian Methods: Overview and Recent Advances
AI 导读
SIAM Review 综述系统梳理了基于 Hestenes–Powell–Rockafellar 增广拉格朗日的增广拉格朗日方法(ALM),覆盖非线性规划与凸、非凸复合规划,并给出凸与非凸情形下的理论基础。
- 背景
- 大规模约束优化广泛出现在科学、工程与工业计算中,变量和约束数量众多。围绕 Hestenes–Powell–Rockafellar 增广拉格朗日这一基础形式,相关构造与方法散落在不同问题类型中,缺少统一梳理。
- 做法
- 这篇综述统一讨论各类优化问题的增广拉格朗日函数构造,覆盖非线性规划以及凸与非凸复合规划,并介绍增广拉格朗日方法(ALM)在凸与非凸情形下的理论基础,配以若干应用实例,同时说明不同问题类型下 ALM 子问题的有效求解算法。
- 结论
- 近期进展把 ALM 的适用范围扩展到非凸约束,并可全局收敛到一阶与二阶稳定点;对非光滑凸问题,ALM 借助邻近操作,保留局部线性收敛等性质。复杂度分析得到细化,也处理了困难的整数规划实例。文章还讨论了以改善收敛性和计算性能为目标的多种 ALM 变体及其优劣。
- 意义
- 综述意在给出 ALM 收益与局限的整体认识,并指向不同领域中的实际实现。对关心非凸约束、非光滑问题和整数规划求解的读者,可作为方法选择与实现细节的参照。
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
来源:SIAM Review · epubs.siam.org