Adaptive Proximal-Gradient-Basierte Algorithmen für konvexe Optimierung unter lokal Lipschitz-stetiger Gradientenabbildung
Die Arbeit präsentiert adaptive Proximal-Gradient-Algorithmen, die ohne Liniensuchverfahren auskommen und stattdessen die lokale Geometrie der glatten Funktion nutzen, um die Schrittweiten effizient anzupassen. Die vorgeschlagenen Methoden können auch nichtglatte Terme berücksichtigen und zeigen in numerischen Simulationen eine Verbesserung gegenüber dem Stand der Technik.