迭代加权 ℓ₁ 算法的 Anderson 加速
原文中文，约1400字，阅读约需4分钟。
📝
内容提要
本文介绍了第一型 Anderson 加速在非光滑固定点问题中的应用，提出了结合保护步骤和正则化方法的全局收敛加速变体。通过数值实验，验证了该算法在一阶算法中的改进效果，尤其在终端收敛方面。该方法已在 SCS 2.0 中实现，显示出其在凸优化中的有效性。
🔎
延伸解读
非光滑固定点问题的加速挑战
非光滑固定点问题常见于ℓ₁正则化优化，其不可微性使得传统加速方法难以保证收敛。本文提出的Anderson加速变体通过保护步骤和Powell类型正则化，在非扩张假设下实现全局收敛，为解决此类问题提供了理论保障。
终端收敛的改进与实现
数值实验表明，该加速方法能显著改善一阶算法的终端收敛性能，即在迭代后期更快达到高精度解。这一改进已集成到凸优化求解器SCS 2.0中，作为CVXPY 1.0的默认求解器之一，验证了其实际有效性。
与迭代加权方法的关联
文章提及的迭代加权最小二乘（IRLS）是处理ℓ₁最小化的另一类方法，其变体可促进ℓₜ（t<1）最小化并具有超线性收敛速率。本文的Anderson加速与IRLS虽路径不同，但都致力于提升稀疏恢复问题的求解效率。
❓
Q&A
第一型 Anderson 加速的主要应用是什么？
第一型 Anderson 加速主要应用于非光滑固定点问题的求解。
本文提出的加速变体有哪些特点？
该加速变体结合了保护步骤和正则化方法，具有全局收敛性。
数值实验的结果如何？
数值实验表明，许多一阶算法在终端收敛方面得到了显著改进。
该方法在什么软件中实现？
该方法已在 SCS 2.0 中实现。
该算法在凸优化中的有效性如何体现？
该算法在 SCS 2.0 中作为默认求解器，显示出其在凸优化中的有效性。
如何通过该算法改善一阶算法的性能？
通过结合保护步骤和正则化方法，该算法可以提高一阶算法的终端收敛性能。
🏷️
