最优化方法 25:PDHG

时间:2024-04-06 22:32:37

前面的章节要么从原始问题出发,要么从对偶问题出发,通过求解近似点或者一个子优化问题进行迭代,而且推导过程中我们发现根据问题的参数特征,比如矩阵 AA 是瘦高型的还是矮胖型的,采用对偶和原始问题的复杂度会不一样,可以选择一个更简单的。而这一节,我们将要从原始对偶问题出发来优化,什么是原始对偶问题呢?就是原始优化变量和对偶优化变量(原始函数和共轭函数)混合在一块,看下面的原理就知道了。

1. 原始对偶问题

现在考虑原始优化问题,其中 f,gf,g 为闭凸函数
minf(x)+g(Ax) \min \quad f(x)+g(Ax)
这个问题我们前面遇到好多次了,一般都是取 y=Axy=Ax 加一个约束条件然后计算拉格朗日函数(自己拿小本本写一下),再求解 KKT 条件对吧。好,让我们列出来 KKT 条件:

  1. 原始可行性:xdomf,Ax=ydomgx\in\text{dom}f,Ax=y\in\text{dom}g
  2. x,zx,z 是拉格朗日函数的最小值点,因此 ATzf(x),zg(y)-A^Tz\in\partial f(x),z\in\partial g(y)

其中 zg(y)    Ax=yg(z)z\in\partial g(y)\iff Ax=y\in\partial g^\star(z)。也就是说,要想求解 KKT 条件,我们需要的实际上是求解下面一个“方程”
0[0ATA0][xz]+[f(x)g(z)] 0 \in\left[\begin{array}{cc}0 & A^{T} \\-A & 0\end{array}\right]\left[\begin{array}{l}x \\z\end{array}\right]+\left[\begin{array}{c}\partial f(x) \\\partial g^{\star}(z)\end{array}\right]

Remarks:这个式子可重要啦,后面还会用到!而且他从集合的角度揭示了我们求解最优值问题的本质,那就是找一个包含关系

比如上面的这个式子我们用一个算子来表示为 T(x,z)T(x,z),我们求解最优值实际上要就是找满足 0T(x,z)0\in T(x,z) 的解 (x,z)(x^\star,z^\star)。而对一个简单的优化问题 minf(x)\min f(x),我们实际上就是在找满足 0f(x)0\in\partial f(x)xx^\star,这个时候我们可以把次梯度看作是一个算子。

在这一章的后面几个小节,我们将从算子的角度重新来看待优化问题,看完之后可以再回到这里细细品味。

好我们先把这个东西放一放,再来看看另一个跟拉格朗日函数有关的函数
h(x,z)=infyL(x,y,z)=f(x)g(z)+zTAx \begin{aligned} h(x,z)&=\inf_{y}L(x,y,z)\\ &=f(x)-g^\star(z)+z^TAx \end{aligned}
如果计算 0h(x,z)0\in\partial h(x,z) 是不是就是上面那个方程?!也就是说上面很重要的那个方程实际上就是在求解 h(x,z)h(x,z) 的鞍点!很容易理解,因为 KKT 条件本质上就是在求拉格朗日函数的鞍点(当然,如果存在不等式约束就不一定是鞍点了)。大家注意,你看这个 hh 他又长又宽,这个 hh 同时包含了原始变量 xx 和对偶变量 zz,同时还既有原始函数 ff 又有对偶函数 gg^\star,所以我们叫他原始对偶优化问题,hh 也是部分拉格朗日函数(partial Lagrangian)。

2. PDHG

前面说了我们要求解的问题是
0[0ATA0][xz]+[f(x)g(z)] 0 \in\left[\begin{array}{cc} 0 & A^{T} \\ -A & 0 \end{array}\right]\left[\begin{array}{l} x \\ z \end{array}\right]+\left[\begin{array}{c} \partial f(x) \\ \partial g^{\star}(z) \end{array}\right]

**PDHG(Primal-dual hybrid gradient method)**的迭代格式是这样的
xk+1=proxτf(xkτATzk)zk+1=proxσg(zk+σA(2xk+1xk)) \begin{array}{l} x_{k+1}=\operatorname{prox}_{\tau f}\left(x_{k}-\tau A^{T} z_{k}\right) \\ z_{k+1}=\operatorname{prox}_{\sigma g^{*}}\left(z_{k}+\sigma A\left(2 x_{k+1}-x_{k}\right)\right) \end{array}
步长需要满足 στA221\sigma\tau\|A\|_2^2\le1

是不是看起来跟 DR 方法很像呢?事实上他们两个是等价的,后面会证明。回忆 ADMM,我们每次需要求解的优化问题是
xk+1=argminxf(x)+t2Axyk+zkt2 x^{k+1}=\arg\min_x f(x)+\frac{t}{2}\| Ax-y^k+\frac{z^k}{t}\|^2
要求解这个优化问题,我们往往会得到一个线性方程,还需要计算 (ATA)1(A^TA)^{-1},这就很麻烦了。但是观察 PDHG 的迭代格式,我们只需要求解 f,gf,g^\starprox\text{prox} 算子,我们只需要求解 A,ATA,A^T 之间的乘法而不需要求逆了,这就方便很多了。

最优化方法 25:PDHG

看上面这个例子,我们前面说过 ADMM 等价于 dual DR,不过这个例子里边 PDHG 是最慢的。

下面我们就来证明一下如何从 PDHG 导出 DR 方法。

对于优化问题 minf(x)+g(x)\min f(x)+g(x),实际上相当于 minf(x)+g(Ax),A=I\min f(x)+g(Ax),A=I,另外我们再取 PDHG 中的 σ=τ=1\sigma=\tau=1,那么就可以得到
xk+1=proxf(xkzk)zk+1=proxg(zk+2xk+1xk) \begin{array}{l} x_{k+1}=\operatorname{prox}_{f}\left(x_{k}-z_{k}\right) \\ z_{k+1}=\operatorname{prox}_{g^{*}}\left(z_{k}+2 x_{k+1}-x_{k}\right) \end{array}
这实际上就是 DR Splitting 那一节讲的原始对偶形式。

另外也可以从 DR 方法导出 PDHG。我们可以将原问题 minf(x)+g(Ax)\min f(x)+g(A x) 改写为
minimizef(x)+g(Ax+By)subject toy=0 \begin{aligned} \operatorname{minimize} &\quad f(x)+g(A x+B y) \\ \text{subject to} &\quad y=0 \end{aligned}
这里边我们可以选择 BB 使 AAT+BBT=(1/α)IAA^T+BB^T=(1/\alpha)I,其中 1/αA221/\alpha\ge\|A\|_2^2。为什么这么选呢?令
g~(x,y)=g(Ax+By)=g(A~(xy)) \tilde{g}(x,y)=g(Ax+By)=g\left(\tilde{A}\left(\begin{array}{c}x\\ y\end{array}\right)\right)
那么就有 A~A~T=(1/α)I\tilde{A}\tilde{A}^T=(1/\alpha)I,而前面讲 prox\text{prox} 算子的时候我们讲了一个性质,满足这个条件的时候 proxg~\text{prox}_{\tilde{g}} 可以用 proxg\text{prox}_g 来表示。

复习:prox\text{prox} 算子的性质

f(x)=g(Ax+b)f(x)=g(Ax+b),对于一般的 AA 并不能得到比较好的性质,但如果 AAT=(1/α)IAA^T=(1/\alpha)I,则有
proxf(x)=(IαATA)x+αAT(proxα1g(Ax+b)b)=xαAT(Ax+bproxα1g(Ax+b)) \begin{aligned}\operatorname{prox}_{f}(x) &=\left(I-\alpha A^{T} A\right) x+\alpha A^{T}\left(\operatorname{prox}_{\alpha^{-1} g}(A x+b)-b\right) \\&=x-\alpha A^{T}\left(A x+b-\operatorname{prox}_{\alpha^{-1} g}(A x+b)\right)\end{aligned}

我们还可以取 f~(x,y)=f(x)+δ0(y)\tilde{f}(x,y)=f(x)+\delta_{0}(y),那么优化问题就变成了 minf~(x,y)+g~(x,y)\min \tilde{f}(x,y)+\tilde{g}(x,y),应用 DR 方法迭代格式为
[xk+1yk+1]=proxτf~([xkpkykqk])[pk+1qk+1]=prox(τg~)([pk+2xk+1xkqk+2yk+1yk]) \begin{array}{l} {\left[\begin{array}{c} x_{k+1} \\ y_{k+1} \end{array}\right]=\operatorname{prox}_{\tau \tilde{f}} \left(\left[\begin{array}{c} x_{k}-p_{k} \\ y_{k}-q_{k} \end{array}\right]\right)} \\ {\left[\begin{array}{c} p_{k+1} \\ q_{k+1} \end{array}\right]=\operatorname{prox}_{(\tau \tilde{g})^{*}}\left(\left[\begin{array}{c} p_{k}+2 x_{k+1}-x_{k} \\ q_{k}+2 y_{k+1}-y_{k} \end{array}\right]\right)} \end{array}
我们需要计算 proxf~\text{prox}_{\tilde{f}}proxg~\text{prox}_{\tilde{g}}
proxτf~(x,y)=[proxτf(x)0]proxτg~(x,y)=[xy]α[ATBT](Ax+Byprox(τ/α)g(Ax+By)=[xy]τ[ATBT]proxσg(σ(Ax+By))=[xy]prox(τg~)(x,y) \operatorname{prox}_{\tau \tilde{f}}(x, y)=\left[\begin{array}{c} \operatorname{prox}_{\tau f}(x) \\ 0 \end{array}\right] \\ \begin{aligned} \operatorname{prox}_{\tau \tilde{g}}(x, y) &=\left[\begin{array}{c} x \\ y \end{array}\right]-\alpha\left[\begin{array}{c} A^{T} \\ B^{T} \end{array}\right]\left(A x+B y-\operatorname{prox}_{(\tau / \alpha) g}(A x+B y)\right.\\ &=\left[\begin{array}{c} x \\ y \end{array}\right]-\tau\left[\begin{array}{c} A^{T} \\ B^{T} \end{array}\right] \operatorname{prox}_{\sigma g^{\star}}(\sigma(A x+B y)) \\ &=\left[\begin{array}{c} x \\ y \end{array}\right]-\operatorname{prox}_{(\tau \tilde{g})^\star}(x, y) \end{aligned}
其中 σ=α/τ\sigma=\alpha/\tau。代入到 DR 方法的迭代方程
[xk+1yk+1]=[proxτf(xkpk)0][pk+1qk+1]=τ[ATBT]proxσg(σ[AB][pk+2xk+1xkqk+2yk+1yk]) \begin{array}{l} {\left[\begin{array}{c} x_{k+1} \\ y_{k+1} \end{array}\right]=\left[\begin{array}{c} \operatorname{prox}_{\tau f}\left(x_{k}-p_{k}\right) \\ 0 \end{array}\right]} \\ {\left[\begin{array}{c} p_{k+1} \\ q_{k+1} \end{array}\right]=\tau\left[\begin{array}{c} A^{T} \\ B^{T} \end{array}\right] \operatorname{prox}_{\sigma g^{*}}\left(\sigma\left[\begin{array}{cc} A & B \end{array}\right]\left[\begin{array}{c} p_{k}+2 x_{k+1}-x_{k} \\ q_{k}+2 y_{k+1}-y_{k} \end{array}\right]\right)} \end{array}
根据第二个式子应该有 [pkqk] range [ATBT]\left[\begin{array}{c} p_{k} \\ q_{k} \end{array}\right] \in \text { range }\left[\begin{array}{c} A^{T} \\ B^{T} \end{array}\right],因此存在 zkz_k 满足 [pk+1qk+1]=τ[ATBT]zk\left[\begin{array}{c}p_{k+1} \\ q_{k+1}\end{array}\right]=\tau\left[\begin{array}{c}A^{T} \\ B^{T}\end{array}\right]z_k。同时因为 AAT+BBT=(1/α)IAA^T+BB^T=(1/\alpha)I,所以能找到唯一的 zkz_k 同时满足 zk=σ(Apk+Bqk)z_k=\sigma(Ap_k+Bq_k)。那么把 zkz_k 代入到上面的迭代方程,同时消掉 yk=0y_k=0,就可以得到
xk+1=proxτf(xkτATzk)zk+1=proxσg(zk+σA(2xk+1xk)) x_{k+1}=\operatorname{prox}_{\tau f}\left(x_{k}-\tau A^{T} z_{k}\right)\\ z_{k+1}=\operatorname{prox}_{\sigma g^{*}}\left(z_{k}+\sigma A\left(2 x_{k+1}-x_{k}\right)\right)
这就是 PDHG 算法,其中 στ=α1/A2\sigma\tau=\alpha\le 1/\|A\|^2

当然,我们还可以对 PDHG 算法进行改进,比如:

PDHG withover relaxationρk(0,2)\rho_k\in(0,2)
xˉk+1=proxτf(xkτATzk)zˉk+1=proxσg(zk+σA(2xˉk+1xk))[xk+1zk+1]=[xkzk]+ρk[xˉk+1xkzˉk+1zk] \begin{aligned} \bar{x}_{k+1} &=\operatorname{prox}_{\tau f}\left(x_{k}-\tau A^{T} z_{k}\right) \\ \bar{z}_{k+1} &=\operatorname{prox}_{\sigma g^{*}}\left(z_{k}+\sigma A\left(2 \bar{x}_{k+1}-x_{k}\right)\right) \\ \left[\begin{array}{c} x_{k+1} \\ z_{k+1} \end{array}\right] &=\left[\begin{array}{c} x_{k} \\ z_{k} \end{array}\right]+\rho_{k}\left[\begin{array}{c} \bar{x}_{k+1}-x_{k} \\ \bar{z}_{k+1}-z_{k} \end{array}\right] \end{aligned}
其收敛性与 DR 方法相同。

PDHG with acceleration
xk+1=proxτkf(xkτkATzk)zk+1=proxσkg(zk+σkA((1+θk)xk+1θkxk)) \begin{array}{l} x_{k+1}=\operatorname{prox}_{\tau_{k} f}\left(x_{k}-\tau_{k} A^{T} z_{k}\right) \\ z_{k+1}=\operatorname{prox}_{\sigma_{k} g^{*}}\left(z_{k}+\sigma_{k} A\left(\left(1+\theta_{k}\right) x_{k+1}-\theta_{k} x_{k}\right)\right) \end{array}
对于强凸函数 ff,以及适当的选择 σk,τk,θk\sigma_k,\tau_k,\theta_k,收敛速度可以达到 1/k21/k^2

3. 单调算子

单调算子(monotone operator)我们在讲次梯度的时候提到过,这次我们从算子的角度理解一下 PDHG 方法。

3.1 集值算子

集值算子(Multivalued/set-valued operator),就是说映射得到的不是单个的值,而是一个集合。比如算子 FF 把向量 xRnx\in R^n 映射到集合 F(x)RnF(x)\subseteq R^n。有两个定义

  • 定义域 domF={xRnF(x)}\operatorname{dom} F =\left\{x \in \mathbf{R}^{n} | F(x) \neq \emptyset\right\}
  • gr(F)={(x,y)Rn×RnxdomF,yF(x)}\operatorname{gr}(F) =\left\{(x, y) \in \mathbf{R}^{n} \times \mathbf{R}^{n} | x \in \operatorname{dom} F, y \in F(x)\right\}

最优化方法 25:PDHG

对算子放缩、求逆等操作都可以表示为对“”的线性变换

求逆F1(x)={yxF(y)}F^{-1}(x)=\{y| x\in F(y)\}
gr(F1)=[0II0]gr(F) \operatorname{gr}\left(F^{-1}\right)=\left[\begin{array}{cc} 0 & I \\ I & 0 \end{array}\right] \operatorname{gr}(F)
放缩(λF)(x)=λF(x)(\lambda F)(x)=\lambda F(x) and (Fλ)(x)=F(λx)(F\lambda)(x)=F(\lambda x)
gr(λF)=[I00λI]gr(F),gr(Fλ)=[(1/λ)I00I]gr(F) \operatorname{gr}(\lambda F)=\left[\begin{array}{cc} I & 0 \\ 0 & \lambda I \end{array}\right] \operatorname{gr}(F), \quad \operatorname{gr}(F \lambda)=\left[\begin{array}{cc} (1 / \lambda) I & 0 \\ 0 & I \end{array}\right] \operatorname{gr}(F)
相加(I+λF)(x)={x+λyyF(x)}(I+\lambda F)(x)=\{x+\lambda y | y \in F(x)\}
gr(I+λF)=[I0IλI]gr(F) \operatorname{gr}(I+\lambda F)=\left[\begin{array}{cc} I & 0 \\ I & \lambda I \end{array}\right] \operatorname{gr}(F)
注意 (I+λF)(I+\lambda F) 这个形式很特别,如果我们取 F(x)=f(x)F(x)=\partial f(x),那么 (I+λF)1(I+\lambda F)^{-1} 实际上就是 prox\text{prox} 算子(λ>0\lambda>0),不过我们给他取了另一个名字 Resolventy(I+λF)1(x)    xyf(y)y\in(I+\lambda F)^{-1}(x)\iff x-y\in\partial f(y),用图来表示就是
gr((I+λF)1)=[IλII0]gr(F) \operatorname{gr}\left((I+\lambda F)^{-1}\right)=\left[\begin{array}{cc} I & \lambda I \\ I & 0 \end{array}\right] \operatorname{gr}(F)
例子 1(I+λf(x))1=proxλf(x)(I+\lambda \partial f(x))^{-1}=\text{prox}_{\lambda f}(x)

例子 2F(x)=Ax+bF(x)=Ax+b(I+λF)1(x)=(I+λA)1(xλb)(I+\lambda F)^{-1}(x)=(I+\lambda A)^{-1}(x-\lambda b),后面这个求逆完全就是矩阵求逆。

最优化方法 25:PDHG

3.2 单调算子

定义FF 是单调算子,若
(yy^)T(xx^)0 for all x,x^domF,yF(x),y^F(x^) (y-\hat{y})^{T}(x-\hat{x}) \geq 0 \quad \text { for all } x, \hat{x} \in \operatorname{dom} F, y \in F(x), \hat{y} \in F(\hat{x})
如果用图表示,就应该有
[xx^yy^]T[0II0][xx^yy^]0 for all (x,y),(x^,y^)gr(F)() \left[\begin{array}{c}x-\hat{x} \\y-\hat{y}\end{array}\right]^{T}\left[\begin{array}{cc}0 & I \\I & 0\end{array}\right]\left[\begin{array}{c}x-\hat{x} \\y-\hat{y}\end{array}\right] \geq 0 \quad \text { for all }(x, y),(\hat{x}, \hat{y}) \in \operatorname{gr}(F) \quad (\bigstar)
上面这个式子很重要!!!后面会多次用到。

例子:我们需要用到的单调算子有:

  1. 凸函数次梯度 f(x)\partial f(x)
  2. 仿射变换 F(x)=Cx+dF(x)=Cx+d,并且需要满足 C+CT0C+C^T\succeq 0
  3. 他们的组合,比如

F(x,z)=[0ATA0][xz]+[f(x)g(z)] F(x, z)=\left[\begin{array}{cc} 0 & A^{T} \\ -A & 0 \end{array}\right]\left[\begin{array}{c} x \\ z \end{array}\right]+\left[\begin{array}{c} \partial f(x) \\ \partial g^{*}(z) \end{array}\right]

除了单调算子,还有个最大单调算子(Maximal monotone operator),也就是说它的图不能是其他任意单调算子的真子集,举个栗子就明白了,参考下面的图。我们可以知道b闭凸函数的偏导数、单调仿射变换是最大单调算子,除此之外,还有定理。

Minty’s Theorem:单调算子 FF 是最大单调算子当且仅当
im(I+F)=xdomF(x+F(x))=Rn \operatorname{im}(I+F)=\bigcup_{x \in \operatorname{dom} F}(x+F(x))=\mathbf{R}^{n}
最优化方法 25:PDHG

除了单调性质,我们在证明收敛新的时候往往还要用到 Lipschitz 连续、强凸性质等等,实际上我们前面已经介绍过很多次了,而且用了一堆名词 coercivity、expansive、firmly nonexpansive,我实在是晕了…这里我们就再总结一下。假设算子 FFy=F(x),y^=F(x^)y=F(x),\hat{y}=F(\hat{x})

(yy^)T(xx^)μxx^2,μ>0(y-\hat{y})^T(x-\hat{x})\ge \mu \| x-\hat{x}\|^2,\mu>0 (yy^)T(xx^)γyy^2,γ>0(y-\hat{y})^T(x-\hat{x})\ge \gamma \|y-\hat{y}\|^2,\gamma>0 (yy^)T(xx^)Lxx^2(y-\hat{y})^T(x-\hat{x})\le L\|x-\hat{x}\|^2
coercive co-coercive
firmly nonexpansive(γ=1\gamma=1) nonexpansive(L1L\le 1)
Lipschitz continuous

它们之间的关系

  1. 如果满足 co-coercive 并且有 γ=1\gamma=1,则其为 firmly nonexpansive
  2. 如果满足 Lipschitz continuous 并且有 L1L\le 1,则其为 nonexpansive
  3. co-coercivity 可以导出 Lipschitz continuous(L=1/γL=1/\gamma),但反之不一定。不过对于闭凸函数他们是等价的。

它们各自的性质

Coercivity等价于 FμIF-\mu I 是一个单调算子,也等价于
[xx^yy^]T[2μIII0][xx^yy^]0 for all (x,y),(x^,y^)gr(F) \left[\begin{array}{c} x-\hat{x} \\ y-\hat{y} \end{array}\right]^{T}\left[\begin{array}{cc} -2 \mu I & I \\ I & 0 \end{array}\right]\left[\begin{array}{c} x-\hat{x} \\ y-\hat{y} \end{array}\right] \geq 0 \quad \text { for all }(x, y),(\hat{x}, \hat{y}) \in \operatorname{gr}(F)
Co-coercivity等价于
[xx^yy^]T[0II2γI][xx^yy^]0 for all (x,y),(x^,y^)gr(F) \left[\begin{array}{c} x-\hat{x} \\ y-\hat{y} \end{array}\right]^{T}\left[\begin{array}{cc} 0 & I \\ I & -2 \gamma I \end{array}\right]\left[\begin{array}{c} x-\hat{x} \\ y-\hat{y} \end{array}\right] \geq 0 \quad \text { for all }(x, y),(\hat{x}, \hat{y}) \in \operatorname{gr}(F)

对前面提到的 resolvent 来说,算子单调性有以下重要性质:

重要性质:算子是单调的,当且仅当他的 resolvant 是 firmly nonexpansive

证明只需要根据矩阵等式 λ[0II0]=[IIλI0][0II2I][IλII0]\lambda\left[\begin{array}{ll}0 & I \\ I & 0\end{array}\right]=\left[\begin{array}{cc}I & I \\ \lambda I & 0 \end{array}\right]\left[\begin{array}{cc}0 & I \\ I & -2 I \end{array}\right]\left[\begin{array}{cc}I & \lambda I \\ I & 0 \end{array}\right] 就可以得到(结合 ()(\bigstar) 式)。

另外单调算子 FF 是最大单调算子,当且仅当
dom(I+λF)1=Rn \text{dom}(I+\lambda F)^{-1}=R^n
这可以由 Minty’s theorem 得到。

4. 近似点算法

4.1 回望 PPA

前面讲到了 Resolvant (I+λF)1(I+\lambda F)^{-1} 实际上就是近似点算子,而 PPA 就是在计算近似点,回忆 PPA 的迭代格式为
xk+1=proxtkf(xk)=(1+tkF)1(xk) \begin{aligned} x_{k+1} &= \text{prox}_{t_k f}(x_k) \\ &= (1+t_k F)^{-1}(x_k) \end{aligned}
我们实际上就是在找 Resolvant 算子 Rt=(I+tF)1R_t=(I+t F)^{-1}不动点
x=Rt(x)    x(1+tF)(x)    0F(x) x=R_t(x)\iff x\in(1+tF)(x)\iff 0\in F(x)
加入松弛后的 PPA 可以写成下面的形式,其中 ρk(0,2)\rho_k\in(0,2) 为松弛参数
xk+1=xk+ρk(Rtk(xk)xk) x_{k+1}=x_k+\rho_k(R_{t_k}(x_k)-x_k)
那么收敛性是怎么样呢?假如 F1(0)F^{-1}(0)\neq \varnothing,在满足以下条件时 PPA 可以收敛

  • tk=t>0,ρk=ρ(0,2)t_k=t>0,\rho_k=\rho\in(0,2) 都选择常数值;或者
  • tk,ρkt_k,\rho_k 随迭代次数变化,但是需要满足 tktmin>0,0<ρminρkρmax<2,kt_k\ge t_{\min}> 0,0<\rho_{\min}\le \rho_k\le \rho_{\max}< 2,\forall k

这个收敛性的证明可以通过证明 Resolvant 的 firmly nonexpansiveness 性质来完成(可以去复习 DR 方法的收敛性证明,那里实际上也是一个不动点迭代)。

4.2 再看 PPA

先打个预防针,这一部分很重要!!!看完以后也许会对 PPA 以及其他优化算法有更多的理解!!!

首先我们回忆 PPA 是什么。对于优化问题 minf(x)\min f(x),迭代格式为 x+=proxtf(x)x^+=\text{prox}_{tf}(x)。如果我们把 f(x)\partial f(x) 用算子 FF 来表示,那么优化问题实际上就是在找满足 0F(x)0\in F(x) 的解,PPA 实际上就是在找不动点 x=(1+tF)1(x)x=(1+tF)^{-1}(x)

假如我们现在引入一个非奇异矩阵 AA,令 x=Ayx=Ay 代入到原方程(为什么要这么做?如果合适地选择 AA 的话,有时候可以使问题简化,跟着推导的思路看到最后就能理解了,来吧!)

g(y)=f(Ay)g(y)=f(Ay),那么优化问题变为了 ming(y)\min g(y),注意由于 AA 是非奇异的,所以这个问题跟原问题 minf(x)\min f(x) 是等价的。我们需要找满足 0g(y)=ATf(Ay)0\in\partial g(y)=A^T\partial f(Ay) 的解,于是可以定义算子 G(y)=g(y)=ATF(Ay)G(y)=\partial g(y)=A^TF(Ay),这个时候 GG 的图就是做一个线性变换
gr(G)=[A100AT]gr(F) \operatorname{gr}(G)=\left[\begin{array}{cc}A^{-1} & 0 \\0 & A^{T}\end{array}\right] \operatorname{gr}(F)
如果 FF 是一个单调算子的话,那么 GG 也是一个单调算子,这是因为(结合 ()(\bigstar) 式)
[A100AT]T[0II0][A100AT]=[0II0] \left[\begin{array}{cc}A^{-1} & 0 \\0 & A^{T}\end{array}\right]^{T}\left[\begin{array}{cc}0 & I \\I & 0\end{array}\right]\left[\begin{array}{cc}A^{-1} & 0 \\0 & A^{T}\end{array}\right]=\left[\begin{array}{cc}0 & I \\I & 0\end{array}\right]
然后对 ming(y)\min g(y) 应用 PPA 迭代格式为
yk+1=(I+tkG)1(yk) y_{k+1}=(I+t_kG)^{-1}(y_k)
我们把 xk=Ayk,G=ATF(Ay)x_k=Ay_k,G=A^TF(Ay) 都代入进去,就能把上面的式子等价表示为
1tkH(xkx)F(x) \frac{1}{t_k}H(x_k-x)\in F(x)
其中 H=(AAT)10H=(AA^T)^{-1}\succ 0。这个式子又可以表示为
xk+1=(H+tkF)1(Hxk) x_{k+1}=(H+t_kF)^{-1}(Hx_k)
因为 ming(y)    minf(x)\min g(y)\iff \min f(x),所以上面这个迭代格式也完全适用于原问题,如果取 H=IH=I 那就是原始形式的 PPA,如果取别的形式,那么就获得了推广形式的 PPA!

引入 AA 有什么作用呢?我们看
1tkH(xkx)F(x)    xk+1=argminx(f(x)+12tkxxkH2) \frac{1}{t_k}H(x_k-x)\in F(x) \iff x_{k+1}=\arg\min_x\left(f(x)+\frac{1}{2t_k}\|x-x_k\|_H^2 \right)
其中 xH2=xTHx\|x\|_H^2=x^THx,如果说 f(x)=(1/2)Bxb2f(x)=(1/2)\|Bx-b\|^2,那么我们就可以选择 AA 使 H=(1/α)IBTBH=(1/\alpha) I-B^TB,这样迭代求解 xk+1x_{k+1} 就简单了。当然这个作用范围很有限,下面的例子更能显现他的威力。

我们再回到原始对偶问题,记算子 FF
F(x,z)=[0ATA0][xz]+[f(x)g(z)] F(x,z)=\left[\begin{array}{cc}0 & A^{T} \\-A & 0\end{array}\right]\left[\begin{array}{l}x \\z\end{array}\right]+\left[\begin{array}{c}\partial f(x) \\\partial g^{\star}(z)\end{array}\right]
优化问题就是要找到 0F(x,z)0\in F(x,z)。如果用原始的 PPA 算法,迭代方程为 (xk+1,zk+1)=(I+tF)1(xk,zk)(x_{k+1},z_{k+1})=(I+tF)^{-1}(x_k,z_k)(xk+1,zk+1)(x_{k+1},z_{k+1}) 是下面方程的解

最优化方法 25:PDHG

注意到 x,zx,z 纠缠在一起了,我们想把他们拆开来分别求解 x,zx,z,问题就能更简单。怎么做呢,引入一个 HH
H=[IτATτA(τ/σ)I] H=\left[\begin{array}{cc}I & -\tau A^{T} \\-\tau A & (\tau / \sigma) I\end{array}\right]
其中若 στA22<1\sigma\tau\|A\|_2^2< 1HH 为正定矩阵。这个时候 (xk+1,zk+1)(x_{k+1},z_{k+1}) 就是下面方程的解
1IτATττA(τ/σ)I][xkxzkz][0ATA0][xz]+[f(x)g(z)]0f(x)+1τ(xxk+τATzk)0g(z)+1σ(zzkσA(2xxk))xk+1=(I+τf)1(xkτATzk)zk+1=(I+σg)1(zk+σA(2xk+1xk)) \left.\begin{array}{c|cc}1 & I & -\tau A^{T} \\\tau & -\tau A & (\tau / \sigma) I\end{array}\right]\left[\begin{array}{c}x_{k}-x \\z_{k}-z\end{array}\right] \in\left[\begin{array}{cc}0 & A^{T} \\-A & 0\end{array}\right]\left[\begin{array}{c}x \\z\end{array}\right]+\left[\begin{array}{c}\partial f(x) \\\partial g^{*}(z)\end{array}\right] \\\Updownarrow \\\begin{array}{l}0 \in \partial f(x)+\frac{1}{\tau}\left(x-x_{k}+\tau A^{T} z_{k}\right) \\0 \in \partial g^{*}(z)+\frac{1}{\sigma}\left(z-z_{k}-\sigma A\left(2 x-x_{k}\right)\right)\end{array} \\\Updownarrow \\\begin{aligned}x_{k+1} &=(I+\tau \partial f)^{-1}\left(x_{k}-\tau A^{T} z_{k}\right) \\z_{k+1} &=\left(I+\sigma \partial g^{*}\right)^{-1}\left(z_{k}+\sigma A\left(2 x_{k+1}-x_{k}\right)\right)\end{aligned}
对于化简后的式子,我们就可以先单独求解 xk+1x_{k+1},然后再求解 zk+1z_{k+1}。这实际上也是 PDHG 的迭代方程
xk+1=proxτf(xkτATzk)zk+1=proxσg(zk+σA(2xk+1xk)) \begin{array}{l}x_{k+1}=\operatorname{prox}_{\tau f}\left(x_{k}-\tau A^{T} z_{k}\right) \\z_{k+1}=\operatorname{prox}_{\sigma g^{*}}\left(z_{k}+\sigma A\left(2 x_{k+1}-x_{k}\right)\right)\end{array}

最后给我的博客打个广告,欢迎光临
https://glooow1024.github.io/
https://glooow.gitee.io/

前面的一些博客链接如下
凸优化专栏
凸优化学习笔记 1:Convex Sets
凸优化学习笔记 2:超平面分离定理
凸优化学习笔记 3:广义不等式
凸优化学习笔记 4:Convex Function
凸优化学习笔记 5:保凸变换
凸优化学习笔记 6:共轭函数
凸优化学习笔记 7:拟凸函数 Quasiconvex Function
凸优化学习笔记 8:对数凸函数
凸优化学习笔记 9:广义凸函数
凸优化学习笔记 10:凸优化问题
凸优化学习笔记 11:对偶原理
凸优化学习笔记 12:KKT条件
凸优化学习笔记 13:KKT条件 & 互补性条件 & 强对偶性
凸优化学习笔记 14:SDP Representablity
最优化方法 15:梯度方法
最优化方法 16:次梯度
最优化方法 17:次梯度下降法
最优化方法 18:近似点算子 Proximal Mapping
最优化方法 19:近似梯度下降
最优化方法 20:对偶近似点梯度下降法
最优化方法 21:加速近似梯度下降方法
最优化方法 22:近似点算法 PPA
最优化方法 23:算子分裂法 & ADMM
最优化方法 24:ADMM
最优化方法 25:PDHG