学习（通过）分布优化
原文中文，约500字，阅读约需2分钟。发表于：。本文概述了分布式优化技术的历史发展轨迹，从 20 世纪 60 年代 Dantzig、Wolfe 和 Benders 开创的基于对偶的方法追溯到增广拉格朗日交替方向不精确牛顿（ALADIN）算法的出现。该文重点介绍了凸问题的拉格朗日松弛和分解策略，改进了诸如交替方向乘子法（ADMM）之类的方法。2000 年代末期，分布式优化在机器学习和图像等领域重新引起了人们的兴趣，ADMM...
本文总结了分布式优化技术的发展历程，重点介绍了凸问题的拉格朗日松弛和分解策略，以及ADMM和近端中心方法的改进。ALADIN算法在非凸场景下具有收敛性保证，与传统增广技术不同。分布式优化在机器学习和图像等领域具有广泛应用。
