О ПОСТРОЕНИИ ГРАДИЕНТНОГО МЕТОДА КВАДРАТИЧНОЙ ОПТИМИЗАЦИИ, ОПТИМАЛЬНОГО С ТОЧКИ ЗРЕНИЯ МИНИМИЗАЦИИ РАССТОЯНИЯ ДО ТОЧНОГО РЕШЕНИЯ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Задачи квадратичной оптимизации в гильбертовом пространстве часто возникают при решении некорректных задач для дифференциальных уравнений. При этом известно целевое значение функционала. Кроме того, структура функционала позволяет вычислять градиент с помощью решения корректных задач, что позволяет применять методы первого порядка. Настоящая статья посвящена построению m-моментного метода минимальных ошибок — эффективного метода, минимизирующего расстояние до точного решения. Доказывается сходимость и оптимальность построенного метода, а также невозможность равномерной сходимости методов, работающих в подпространствах Крылова. Проводятся численные эксперименты, демонстрирующие эффективность применения m-моментного метода минимальных ошибок к решению различных некорректных задач: начально-краевой задачи для уравнения Гельмгольца, ретроспективной задачи Коши для уравнения теплопроводности, обратной задачи термоакустики. Библ. 8. Фиг. 13. Табл. 4.

Об авторах

Н. В Плетнев

МФТИ

Email: nikita_pletnev@list.ru
Долгопрудный, Россия

Список литературы

  1. Поляк Б.Т. Минимизация негладких функционалов // Ж. вычисл. матем. и матем. физ. 1969. Т. 9. № 3. С. 509–521.
  2. Devanathan N., Boyd S. Polyak minorant method for convex optimization. e-print, 2024. URL: https://arxiv.org/abs/2310.07922.
  3. Goujaud B., Taylor A., Dieuleveut A. Quadratic minimization: from conjugate gradient to an adaptive Heavy-ball method with Polyak step-sizes. e-print, 2022. URL: https://arxiv.org/abs/2210.06367.
  4. Kabanikhin S.I. Inverse and ill-posed problems: theory and applications. Berlin: Walter de Gruyter GmbH & Co, 2012. 459 p. ISBN 978-3-11-022400-9.
  5. Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. М.: Физматлит, 2004. ISBN 5-9221-0266-4.
  6. Павлин Н.В., Двуреченский П.Е., Гасников А.В. Применение градиентных методов оптимизации для решения задачи Коши для уравнения Гельмгольца // Компьют. исслед. и моделирование. 2022. Т. 14. № 2. С. 417–444.
  7. Павлин Н.В., Матюхин В.В. О модификации метода покомпонентного спуска для решения некоторых обратных задач математической физики // Компьют. исслед. и моделирование. 2023. Т. 15. № 2. С. 301–316.
  8. Кабанихин С.Н., Шишленин М.А., Криворотько О.И. Оптимизационный метод решения обратной задачи термоакустики // Сиб. электрон. матем. изв. 2011. Т. 8. С. 263–292.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).