Core Concepts
Improved convergence rates of windowed Anderson acceleration for symmetric fixed-point iterations.
Abstract
この論文は、固定点反復法における一般的に使用されるウィンドウ付きAnderson加速(AA)アルゴリズムの収束特性を研究しています。オペレータqが線形かつ対称である場合、ウィンドウ付きAAは、固定点反復法よりも根線形収束因子を改善することが証明されています。非線形なqの場合でも、解の周りでヤコビアンが対称であれば、わずかに変更されたAAアルゴリズムが固定点反復法よりも根線形収束因子を改善することが示されています。シミュレーションはこれらの観察結果を確認しています。さらに、異なるデータモデルでの実験では、AAがTyler's M-estimationにおいて標準的な固定点法よりも優れていることが明らかになっています。
Stats
オペレータqが線形かつ対称である場合、ウィンドウ付きAAは根線形収束因子を改善することが証明されています。
非線形なqの場合でも、解の周りでヤコビアンが対称であれば、修正されたAAアルゴリズムは根線形収束因子を改善します。
ウィンドウ付きAAはTyler's M-estimationにおいて標準的な固定点法よりも優れていることが示されました。
Quotes
Despite a long history of use and strong recent interest, the accelerated convergence of AA is still not completely understood.
The first mathematical convergence results for AA, for linear and nonlinear problems, were established by Toth and Kelley (2015).
Our work establishes an upper bound on the r-linear convergence factor of AA(m) which we show in many cases to be strictly less than the convergence factor of the fixed-point iteration.