多阶段随机变分不等式的预测-校正ADMM
摘要：多阶段随机变分不等式通过引入一个新的变量重新构造为具有可分离结构的变分不等式。预测-校正ADMM算法最初是在[B.-S. He, L.-Z. Liao and M.-J. Qian, J. Comput. Math., 24 (2006), 693--710]中提出用于解决有限维空间中确定性变分不等式的，现在被调整用于解决多阶段随机变分不等式。在单调性和利普希茨连续性的条件下，证明了该算法生成的序列的弱收敛性。当样本空间是有限集时，相应的多阶段随机变分不等式定义在一个有限维的Hilbert空间上，并且序列的强收敛性自然成立。给出了这种情况下的一个数值例子来展示算法的效率。
作者：Ze You and Haisen Zhang
论文ID：2205.03756
分类：Optimization and Control
分类简称：math.OC
提交时间：2023-08-22