Conditional Gradient Method for Optimization Problems with a Constraint in the Form of the Intersection of a Convex Smooth Surface and a Convex Compact Set

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The conditional gradient method is generalized to nonconvex sets of constraints representing the set-theoretic intersection of a convex smooth surface and a convex compact set. Necessary optimality conditions are studied, and the convergence of the method is analyzed.

About the authors

Yu. A. Chernyaev

Kazan National Research Technical University

Author for correspondence.
Email: chernyuri@mail.ru
420111, Kazan, Tatarstan, Russia

References

  1. Frank M., Wolfe P. An algorithm for quadratic programming // Naval Research Logistics Quarterly. 1956. T. 3. Bып. 1–2. C. 95–110.
  2. Васильев Ф.П. Численные методы решения экстремальных задач. М.: Наука, 1980.
  3. Карманов В.Г. Математическое программирование. М.: Наука, 1975.
  4. Пшеничный Б.Н., Данилин Ю.М. Численные методы в экстремальных задачах. М.: Наука, 1975.
  5. Васильев Ф.П., Ячимович М. Об итеративной регуляризации метода условного градиента и метода Ньютона при неточно заданных исходных данных // Докл. АН СССР. 1980. Т. 250. № 2. С. 265–269.
  6. Коннов И.В. Метод условного градиента без линейного поиска // Известия вузов. Математика. 2018. № 1. С. 93–96.
  7. Черняев Ю.А. Метод условного градиента для экстремальных задач с предвыпуклыми ограничениями // Ж. вычисл. матем. и матем. физ. 2003. Т. 43. № 12. С. 1910–1913.
  8. Климов В.С. О сходимости метода условного градиента // Известия вузов. Математика. 2005. № 12. С. 27–34.
  9. Чернов А.В. О сходимости метода условного градиента в распределенных задачах оптимизации // Ж. вычисл. матем. и матем. физ. 2011. Т. 51. № 9. С. 1616–1629.
  10. Balashov M.V., Polyak B.T., Tremba A.A. Gradient projection and conditional gradient methods for constrained nonconvex minimization // Numerical Functional Analysis and Optimization. 2020. V. 41. P. 822–849.
  11. Черняев Ю.А. Метод проекции градиента для экстремальных задач с ограничением в виде пересечения гладкой поверхности и выпуклого замкнутого множества // Ж. вычисл. матем. и матем. физ. 2019. Т. 59. № 1. С. 37–49.
  12. Черняев Ю.А. Обобщение метода проекции градиента и метода Ньютона на экстремальные задачи с ограничением в виде гладкой поверхности // Ж. вычисл. матем. и матем. физ. 2015. Т. 55. № 9. С. 1493–1502.
  13. Черняев Ю.А. Сходимость метода проекции градиента и метода Ньютона для экстремальных задач с ограничением в виде пересечения сферической поверхности и выпуклого замкнутого множества // Ж. вычисл. матем. и матем. физ. 2016. Т. 56. № 10. С. 1733–1749.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Ю.А. Черняев

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».