BriefGPT - AI 论文速递
·
非凸 -(强) 凹最小极大问题的两种完全无参参数的交替梯度投影算法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了两种零阶算法，用于解决确定性和随机设置下的非凸凹最小最大问题。这些算法具有较低的迭代复杂度，并能够在确定性和随机设置下找到稳定点。这是第一个能够解决这类问题的零阶算法。
🎯
关键要点
-
研究提出了两种零阶算法，用于解决非凸最小最大问题。
-
算法适用于确定性和随机设置下的紧密线性约束。
-
提出的算法包括零阶原始 -- 对偶交替投影梯度（ZO-PDAPG）和零阶正则化动量原始 -- 对偶投影梯度（ZO-RMPDPG）。
-
这两种算法的迭代复杂度分别为 Ο(ε^(-2)) 和 Ο(ε^(-4))。
-
在确定性设置下，算法能够找到 ε- 稳定点。
-
在随机设置下，迭代复杂度分别为 Ο̃(ε^(-3)) 和 Ο̃(ε^(-6.5))。
-
这是第一个能够解决这类问题的零阶算法，并具有迭代复杂度保证。
🏷️
标签
➡️
