目录Proximal minimization解释Gradient flow$f(x) + g(x)$解释1 最大最小算法不动点解释Forward-backward 迭代解释加速 proximal gradient method交替方向方法 ADMM解释1 自动控制解释2 Augmented Largranians解释3 Flow interpretation解释4 不动点特别的情况 $f(x) + g(Ax)$

Proximal Algorithms

这一节介绍了一些利用proximal的算法.

Proximal minimization

这个相当的简单, 之前也提过，就是一个依赖不动点的迭代方法:

有些时候(lambda)不是固定的:

[x^{k+1} := mathbf{prox}_{lambda^k f}(x^k), sum_{k=1}^{infty}lambda^k = infty
]

import numpy as np
import matplotlib.pyplot as plt 

以(f(x,y) = x^2 + 50y)为例

f = lambda x: x[0] ** 2 + 50 * x[1] ** 2
x = np.linspace(-40, 40, 1000)
y = np.linspace(-20, 20, 500)
X, Y = np.meshgrid(x, y) #获取坐标
fig, ax = plt.subplots()
ax.contour(X, Y, f([X, Y]), colors="black")
plt.show()

求解proximal可得:

[x = frac{v_1}{2lambda + 1} \
y = frac{v_2}{100lambda + 1}
]

def prox(v1, v2, lam):
    x = v1 / (2 * lam + 1)
    y = v2 / (100 * lam + 1)
    return x, y

times = 50
x = 30
y = 15
lam = 0.1
process = [(x, y)]
for i in range(times):
    x, y = prox(x, y, 0.1)
    process.append((x, y))

process = np.array(process)
x = np.linspace(-40, 40, 1000)
y = np.linspace(-20, 20, 500)
X, Y = np.meshgrid(x, y) #获取坐标
fig, ax = plt.subplots()
ax.contour(X, Y, f([X, Y]), colors="black")
ax.scatter(process[:, 0], process[:, 1])
ax.plot(process[:, 0], process[:, 1])
plt.show()

解释

除了之前已经提到过的一些解释：

Gradient flow

考虑下面的微分方程:

(t ightarrow infty)时(f(x(t))ightarrow p^*)，其中(p^*)是最小值.
我们来看其离散的情形:

于是就有：

[x^{k+1} := x^k – h
abla f(x^k)
]

还有一种后退的形式:

[frac{x^{k+1}-x^k}{h}=-
abla f(x^{k+1})
]

此时，为了找到(x^{k+1}), 我们需要求解一个方程:

[x^{k+1} + h
abla f(x^{k+1}) = x^k \
Rightarrow x^{k+1} = (I+ h
abla f)^{-1}x^k = mathbf{prox}_{hf}(x^k)
]

还有一种特殊的解释，这里不提了.

(f(x) + g(x))

考虑下面的问题:

[mathrm{minimize} quad f(x) + g(x)
]

其中(f)是可微的.
我们可以通过下列proximal gradient method来求解:

[x^{k+1} := mathbf{prox}_{lambda^k g}(x^k – lambda^k
abla f(x^k))
]

可以证明(虽然我不会)，当(
abla f) Lipschitz连续，常数为(L)，那么，如果(lambda^k = lambda in (0, 1/L])，这个方法会以(O(1/k))的速度收敛.

还有一些直线搜素算法:

一般取(eta=1/2)，(widehat{f}_{lambda})是(f)的一个上界，在后面的解释中在具体探讨.

解释1 最大最小算法

最大最小算法， 最小化函数(varphi: mathbb{R}^n ightarrow mathbb{R}):

[x^{k+1} := mathrm{argmin}_x widehat{varphi}(x, x^k)
]

其中(widehat{varphi}(cdot, x^k))是(varphi)的凸上界:(widehat{varphi}(x, x^k) ge varphi(x)), (widehat{varphi}(x, x)=varphi(x)).
我们可以这么构造一个上界:

上面的式子很像泰勒二阶展开，首先这个函数符合第二个条件，下面我们证明，当(lambda in (0, 1/L])，那么它也符合第一个条件.

[widehat{f}_{lambda}(x) – f(x) = f(y) – f(x) +
abla f(y)^T(x-y)+…=(
abla f(y)-
abla f(z))(x-y)+…
]

其中(z = x + heta (y-x), heta in [0, 1]), 又Lipschitz连续，所以:

[|
abla f(y)-
abla f(z)| le L|y-z|le L|y-x|
]

考虑(f(x+tDelta x))关于(t)的二阶泰勒展式:

[f(x+tDelta x) = f(x)+
abla f(x)^TDelta x t + frac{1}{2}Delta x^T
abla^2f(x) Delta x t^2 + o(t^2)
]

令(t=1):

[f(x+Delta x) = f(x)+
abla f(x)^TDelta x + frac{1}{2}Delta x^T
abla^2f(x) Delta x + …
]

[frac{|
abla f(x)-
abla f(x+tDelta x)|}{t}le L|Delta x|
]

由当(t ightarrow 0)时，左边为(|
abla^2 f(x) Delta x|), 所以(
abla^2 f(x))的最大特征值必小于(L), 所以:

[f(x+Delta x) le f(x)+
abla f(x)^TDelta x + frac{L}{2}|Delta x|_2^2 + …
]

完蛋，好像只能证明在局部成立，能证明在全局成立吗？

[x^{k+1} := mathrm{argmin}_x widehat{f}_{lambda}(x, x^k)
]

再令：

[q_{lambda}(x, y)=widehat{f}_{lambda}(x,y) + g(x)
]

那么:

[x^{k+1} := mathrm{argmin}_x q_{lambda}(x, x^k)=mathbf{prox}_{lambda g}(x^k-lambda
abla f(x^k))
]

上面的等式，可以利用第二节中的性质推出.

不动点解释

最小化(f(x)+g(x))的点(x^*)应当满足:

[0 in
abla f(x^*)+partial g(x^*)
]

更一般地:

这便说明了一种迭代方式.

Forward-backward 迭代解释

考虑下列微分方程系统:

离散化后得:

注意，等式右边(x^k)和(x^{k+1})，这正是巧妙之处.
解此方程可得:

这就是之前的那个迭代方法.

加速 proximal gradient method

其迭代方式为:

[y^{k+1} := x^k + w^k(x^k-x^{k-1}) \
x^{k+1} := mathbf{prox}_{lambda^k g}(y^{k+1}-lambda^k
abla f(y^{k+1}))
]

(w^k in [0,1))
这个方法有点类似Momentum的感觉.
一个选择是:

[w^k = frac{k}{k+3}
]

也有类似的直线搜索算法:

交替方向方法 ADMM

alternating direction method of multipliers (ADMM), 怎么说呢，久闻大名，不过还没看过类似的文章.
同样是考虑这个问题:

[mathrm{minimize} quad f(x) + g(x)
]

但是呢，这时(f,g)都不一定是可微的, ADMM采取的策略是:

[x^{k+1} := mathbf{prox}_{lambda f} (z^k – u^k) \
z^{k+1} := mathbf{prox}_{lambda g} (x^{k+1} + u^k)\
u^{k+1} := u^k + x^{k+1} -z^{k+1}
]

特殊的情况是, (f)或(g)是指示函数，不妨设(f)是闭凸集(mathcal{C})的指示函数，而(g)是闭凸集(mathcal{D})的指示函数, 即:

[I_{mathcal{C}}(x)=0, if : xin mathcal{C}, else : + infty
]

这个时候，更新公式变为:

[x^{k+1} := Pi_{mathcal{C}} (z^k – u^k)\
z^{k+1} := Pi_{mathcal{C}} (x^{k+1} + u^k) \
u^{k+1} := u^k + x^{k+1} -z^{k+1}
]

解释1 自动控制

可以这么理解，(z)为状态，而(u)为控制，前俩步时离散时间动态系统(不懂啊…)， 第三步的目标是选择(u)使得(x=z)，所以(x^{k+1}-z^{k+1})可以认为是一个信号误差，所以第三步就会把这些误差累计起来.

解释2 Augmented Largranians

我们可以将问题转化为:

augmented Largranian:

其中(y)为对偶变量.
在(z, y)已知的条件下，最小化(L), 即:

[x^{k+1} := mathrm{argmin}_x L_{ho}(x, z^k, y^k)
]

在(x, y)已知的条件下，最小化(L), 即:

[z^{k+1} := mathrm{argmin}_z L_{ho}(x^{k+1}, z, y^k)
]

最后一步:

[y^{k+1} := y^k + ho (x^{k+1} – z^{k+1}）
]

如果依照对偶问题的知识，关于(y)应该是取最大，但是呢，关于(y)是一个仿射函数，所以没有最值，所以就简单地取那个？
注意到：


让(u^k = (1/ho)y^k), (lambda = 1/ho)就是最开始的结果.

解释3 Flow interpretation

问题(4.9)的最优条件(KKT条件):

其中(v)是对偶变量.考虑微分方程：

(4.11)取得稳定点的条件即为(4.10)((v=ho))(这部分没怎么弄明白).
离散化情形为:

取(h = lambda, ho = 1/lambda)即可得ADMM.

解释4 不动点

原问题的最优条件为:

[0 in partial f(x^*) + partial g(x^*)
]

ADMM的不动点满足：

[x = mathbf{prox}_{lambda f} (x-u), quad z = mathbf{prox}_{lambda g}(x+u), quad u = u + x – z
]

从最后一个等式，我们可以知道:

[x = z
]

, 于是

[x = mathbf{prox}_{lambda f}(x – u), quad x = mathbf{prox}_{lambda g}(x + u)
]

等价于:

[x = (I + partial f)^{-1}(x – u), x = (I + lambda partial g)^{-1}(x + u)
]

等价于:

[x – u in x + lambda partial f(x), quad x + u in x + lambda partial g(x)
]

俩个式子相加，说明(x)即为最优解.
再来说明一下，为什么可以相加，根据次梯度的定义:

[lambda f(z) ge lambda f(x) + (-u)^T(z-x), quad forall zin mathbf{dom}f \
lambda g(z) ge lambda g(x) + (+u)^T(z-x), quad forall zin mathbf{dom}g \
]

相加可得:

[lambda f(z) + lambda g(z) ge 2x + lambda f(x) +lambda g(x) + 0
]

需要注意的是，我证明的时候也困扰了，

[x – u in x + lambda partial f(x)
]

并不是指(x-u)是函数(x^2/2 + lambda f(x))的次梯度, 而是(x-u)在(lambda f(x))的次梯度集合加上(x)的集合内，也就是(-u)是其次梯度.

对不起！又想当然了，其实没问题, 如果

[g in partial f_1(x) + h(x)
]

而(partial f_2(x)=h(x))则:

[g in partial (f_1+f_2)(x)
]

证:
已知:

[f_1(z) ge f_1(x)+partial f_1(x)^T(z-x) \
f_2(z) ge f_2(x)+h(x)^T(z-x) \
]

俩式相加可得:

[(f_1+f_2)(z)ge (f_1+f_2)(x) +(partial f_1(x) + h(x))^T(z-x)=(f_1+f_2)(x) +g^T(z-x)
]

所以(g in partial (f_1+f_2)(x)), 注意(g=g(x))也是无妨的.

特别的情况 (f(x) + g(Ax))

考虑下面的问题：

[mathrm{minimize} quad f(x) + g(Ax)
]

上面的求解，也可以让(widetilde{g}(x) = g(Ax))，这样子就可以用普通的ADMM来求解了, 但是有更加简便的方法.

这个的来源为：

再利用和之前一样的推导，不过，我要存疑的一点是最后的替代，我觉得应该是:

[ho (A^TAx^k – A^T z^k)^T x + (1 / 2mu) |x-x^k|_2^2
]

否则推不出来啊.