受约束的双层优化：近端拉格朗日值函数方法与无 Hessian 算法

本研究提出了一种新的方法和算法，用于处理具有上下级变量耦合的约束双层优化问题。通过设计平滑的近端 Lagrangian 值函数来处理约束的下层问题，并将原始问题转化为具有平滑约束的等价优化问题。该算法适用于机器学习应用，是一种基于近端 Lagrangian 值函数的非 Hessian 梯度算法。实证结果验证了该算法在实际性能上的优越性。