摘要: | 简单的阐述ADMM的算法原理,并且结合具体的场景给出一些代码实现。 |
预备知识
共轭函数,凸优化,对偶函数,对偶问题
- 对偶问题
首先,以等价约束的凸优化问题为例:
f(x)是凸函数, x是N维变量
该问题的拉格朗日问题是:
对偶函数: $$ g(y) = \inf_{x}{L(x,y)} = -f^\star(-A^Ty)-b^Ty $$
y是对偶变量,$f^\star$是f的凸共轭函数
对偶问题
ADMM的方法:先确定y,然后根据y得到x;交换顺序,确定x,计算y
相关资料
ADMM是一种通用的并行优化策略, 它可以非常方便的在分布式环境的迭代优化计算,ADMM的算法文档可参考:ADMM文档
- ADMM
- MPI example for alternating direction method of multipliers
- Distributed Optimization and Statistical Learning via the Alternating Direction Method of Multipliers
算法
- paralled Dual-ADMM
- FISTA
- GRock