epsilon-subgradient algorithms for bilevel convex optimization

Autor(es)

Helou, Elias S. ; Simoes, Lucas E. A.

• Tipo de documento: Artigo Científico
• Fonte: INVERSE PROBLEMS; v. 33, n. 5 MAY 2017.
• Citações Web of Science: 1

Resumo

This paper introduces and studies the convergence properties of a new class of explicit e-subgradient methods for the task of minimizing a convex function over a set of minimizers of another convex minimization problem. The general algorithm specializes to some important cases, such as first-order methods applied to a varying objective function, which have computationally cheap iterations. We present numerical experimentation concerning certain applications where the theoretical framework encompasses efficient algorithmic techniques, enabling the use of the resulting methods to solve very large practical problems arising in tomographic image reconstruction. (AU)

• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: José Alberto Cuminato
• Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 11/02219-4 - Novos métodos incrementais para otimização convexa não-diferenciável em dois níveis com aplicações em reconstrução de imagens em tomografia por emissão
• Beneficiário: Lucas Eduardo Azevedo Simões
• Linha de fomento: Bolsas no Brasil - Mestrado
• Processo FAPESP: 13/14615-7 - Busca direcional não-monótona em métodos de amostragem de gradiente para otimização não-convexa e não-suave
• Beneficiário: Lucas Eduardo Azevedo Simões
• Linha de fomento: Bolsas no Brasil - Doutorado
• Processo FAPESP: 13/16508-3 - Cálculo rápido do operador generalizado de retroprojeção com aplicações em reconstrução tomográfica de imagens
• Beneficiário: Elias Salomão Helou Neto
• Linha de fomento: Auxílio à Pesquisa - Regular