前面的章節基本上講完了凸優化相關的理論部分,在對偶原理以及 KKT 條件那裏我們已經體會到了理論之美!接下來我們就要進入求解算法的部分,這也是需要濃墨重彩的一部分,畢竟我們學習凸優化就是爲了解決實際當中的優化問題。我們今天首先要接觸的就是大名鼎鼎的梯度方法 。現在人工智能和人工神經網絡很火,經常可以聽到反向傳播,這實際上就是梯度下降方法的應用,他的思想其實很簡單,就是沿着函數梯度的反方向走就會使函數值不斷減小。
x k + 1 = x k − t k ∇ f ( x k ) , k = 0 , 1 , . . .
x_{k+1}=x_{k}-t_k \nabla f(x_k),\quad k=0,1,...
x k + 1 = x k − t k ∇ f ( x k ) , k = 0 , 1 , . . .
上面的式子看起來簡單,但是真正應用時你會發現有各種問題:
下降方向怎麼選?∇ f ( x k ) \nabla f(x_k) ∇ f ( x k ) 嗎?選擇其他方向會不會好一點呢?
如果 f ( x ) f(x) f ( x ) (在某些點)不可導又怎麼辦呢?
步長 t k t_k t k 怎麼選呢?固定值?變化值?選多大比較好?
收斂速度怎麼樣呢?我怎麼才能知道是否達到精度要求呢?
…
1. 凸函數
前面講凸函數的時候我們提到了很多等價定義:Jensen’s 不等式、“降維打擊”、一階條件、二階條件。這裏我們主要關注其中兩個:
Jensen’s 不等式:f ( θ x + ( 1 − θ ) y ) ≤ θ f ( x ) + ( 1 − θ ) f ( y ) f(\theta x+(1-\theta) y) \leq \theta f(x)+(1-\theta) f(y) f ( θ x + ( 1 − θ ) y ) ≤ θ f ( x ) + ( 1 − θ ) f ( y )
一階條件等價於梯度單調性 :( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ 0 for all x , y ∈ dom f (\nabla f(x)-\nabla f(y))^{T}(x-y) \geq 0 \quad \text { for all } x, y \in \operatorname{dom} f ( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ 0 for all x , y ∈ d o m f
也就是說凸函數的梯度 ∇ f : R n → R n \nabla f: R^n\to R^n ∇ f : R n → R n 是一個單調映射 。
2. Lipschitz continuity
函數 f f f 的梯度滿足**利普希茨連續(Lipschitz continuous)**的定義爲
∥ ∇ f ( x ) − ∇ f ( y ) ∥ ∗ ≤ L ∥ x − y ∥ for all x , y ∈ dom f
\|\nabla f(x)-\nabla f(y)\|_{*} \leq L\|x-y\| \quad \text { for all } x, y \in \operatorname{dom} f
∥ ∇ f ( x ) − ∇ f ( y ) ∥ ∗ ≤ L ∥ x − y ∥ for all x , y ∈ d o m f
也被稱爲 L-smooth 。有了這個條件,我們可以推出很多個等價性質,這裏省略了證明過程
也就是說下面的式子都是等價的
∥ ∇ f ( x ) − ∇ f ( y ) ∥ ∗ ≤ L ∥ x − y ∥ for all x , y ∈ dom f
\|\nabla f(x)-\nabla f(y)\|_{*} \leq L\|x-y\| \quad \text { for all } x, y \in \operatorname{dom} f
∥ ∇ f ( x ) − ∇ f ( y ) ∥ ∗ ≤ L ∥ x − y ∥ for all x , y ∈ d o m f
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≤ L ∥ x − y ∥ 2 for all x , y ∈ dom f
(\nabla f(x)-\nabla f(y))^{T}(x-y) \leq L\|x-y\|^{2} \quad \text { for all } x, y \in \operatorname{dom} f
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≤ L ∥ x − y ∥ 2 for all x , y ∈ d o m f
f ( y ) ≤ f ( x ) + ∇ f ( x ) T ( y − x ) + L 2 ∥ y − x ∥ 2 for all x , y ∈ dom f
f(y) \leq f(x)+\nabla f(x)^{T}(y-x)+\frac{L}{2}\|y-x\|^{2} \quad \text { for all } x, y \in \operatorname{dom} f
f ( y ) ≤ f ( x ) + ∇ f ( x ) T ( y − x ) + 2 L ∥ y − x ∥ 2 for all x , y ∈ d o m f
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ 1 L ∥ ∇ f ( x ) − ∇ f ( y ) ∥ ∗ 2 for all x , y
(\nabla f(x)-\nabla f(y))^{T}(x-y) \geq \frac{1}{L}\|\nabla f(x)-\nabla f(y)\|_{*}^{2} \quad \text { for all } x, y
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ L 1 ∥ ∇ f ( x ) − ∇ f ( y ) ∥ ∗ 2 for all x , y
g ( x ) = L 2 ∥ x ∥ 2 2 − f ( x ) is convex
g(x)=\frac{L}{2}\Vert x\Vert_2^2-f(x) \ \text{ is convex}
g ( x ) = 2 L ∥ x ∥ 2 2 − f ( x ) is convex
Remarks 1 :
上面的第 3 個式子
f ( y ) ≤ f ( x ) + ∇ f ( x ) T ( y − x ) + L 2 ∥ y − x ∥ 2 for all x , y ∈ dom f
f(y) \leq f(x)+\nabla f(x)^{T}(y-x)+\frac{L}{2}\Vert y-x\Vert^{2} \quad \text { for all } x, y \in \operatorname{dom} f
f ( y ) ≤ f ( x ) + ∇ f ( x ) T ( y − x ) + 2 L ∥ y − x ∥ 2 for all x , y ∈ d o m f
實際上定義了一個二次曲線 ,這個曲線是原始函數的 Quadratic upper bound
並且由這個式子可以推導出
1 2 L ∥ ∇ f ( z ) ∥ ∗ 2 ≤ f ( z ) − f ( x ⋆ ) ≤ L 2 ∥ z − x ⋆ ∥ 2 for all z
\frac{1}{2 L}\Vert\nabla f(z)\Vert_{*}^{2} \leq f(z)-f\left(x^{\star}\right) \leq \frac{L}{2}\left\Vert z-x^{\star}\right\Vert^{2} \quad \text { for all } z
2 L 1 ∥ ∇ f ( z ) ∥ ∗ 2 ≤ f ( z ) − f ( x ⋆ ) ≤ 2 L ∥ z − x ⋆ ∥ 2 for all z
這個式子中的上界 L 2 ∥ z − x ⋆ ∥ 2 \frac{L}{2}\left\|z-x^{\star}\right\|^{2} 2 L ∥ z − x ⋆ ∥ 2 帶有 x ⋆ x^\star x ⋆ 是未知的,而下界只與當前值 z z z 有關,因此在優化過程中我們可以判斷當前的 f ( z ) f(z) f ( z ) 與最優值的距離至少爲 1 2 L ∥ ∇ f ( z ) ∥ ∗ 2 \frac{1}{2 L}\|\nabla f(z)\|_{*}^{2} 2 L 1 ∥ ∇ f ( z ) ∥ ∗ 2 ,如果這個值大於0,那麼我們一定還沒得到最優解。
Remarks 2 :
上面的最後一個式子
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ 1 L ∥ ∇ f ( x ) − ∇ f ( y ) ∥ ∗ 2 for all x , y
(\nabla f(x)-\nabla f(y))^{T}(x-y) \geq \frac{1}{L}\|\nabla f(x)-\nabla f(y)\|_{*}^{2} \quad \text { for all } x, y
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ L 1 ∥ ∇ f ( x ) − ∇ f ( y ) ∥ ∗ 2 for all x , y
被稱爲 ∇ f \nabla f ∇ f 的 co-coercivity 性質。(這其實有點像 ∇ f \nabla f ∇ f 的反函數的 L-smooth 性質,所以它跟 ∇ f \nabla f ∇ f 的 L-smooth 性質是等價的)
3. 強凸函數
滿足如下性質的函數被稱爲 **m-強凸(m-strongly convex)**的
f ( θ x + ( 1 − θ ) y ) ≤ θ f ( x ) + ( 1 − θ ) f ( y ) − m 2 θ ( 1 − θ ) ∥ x − y ∥ 2 for all x , y ∈ dom f , θ ∈ [ 0 , 1 ]
f(\theta x+(1-\theta) y) \leq \theta f(x)+(1-\theta) f(y)-\frac{m}{2} \theta(1-\theta)\|x-y\|^{2} \quad \text { for all } x, y\in\text{dom}f,\theta\in[0,1]
f ( θ x + ( 1 − θ ) y ) ≤ θ f ( x ) + ( 1 − θ ) f ( y ) − 2 m θ ( 1 − θ ) ∥ x − y ∥ 2 for all x , y ∈ dom f , θ ∈ [ 0 , 1 ]
m-強凸跟前面的 L-smooth 實際上非常像,只不過一個定義了上界,另一個定義了下界。
類似上面的 L-smooth 性質,我們課可以得到下面幾個式子是等價 的
f is m-strongly convex
f \text{ is m-strongly convex}
f is m-strongly convex
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ m ∥ x − y ∥ 2 for all x , y ∈ dom f
(\nabla f(x)-\nabla f(y))^{T}(x-y) \geq m\|x-y\|^{2} \quad \text { for all } x, y \in \operatorname{dom} f
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ m ∥ x − y ∥ 2 for all x , y ∈ d o m f
f ( y ) ≥ f ( x ) + ∇ f ( x ) T ( y − x ) + m 2 ∥ y − x ∥ 2 for all x , y ∈ dom f
f(y) \geq f(x)+\nabla f(x)^{T}(y-x)+\frac{m}{2}\|y-x\|^{2} \quad \text { for all } x, y \in \operatorname{dom} f
f ( y ) ≥ f ( x ) + ∇ f ( x ) T ( y − x ) + 2 m ∥ y − x ∥ 2 for all x , y ∈ d o m f
g ( x ) = f ( x ) − m 2 ∥ x ∥ 2 is convex
g(x) = f(x)-\frac{m}{2}\Vert x\Vert^2 \ \text{ is convex}
g ( x ) = f ( x ) − 2 m ∥ x ∥ 2 is convex
注意上面第3個式子不等號右遍實際上又定義了一個二次曲線,這個二次曲線是原函數的下界。與前面的二次上界類比可以得到
Quadratic lower bound
Quadratic upper bound
f ( y ) ≥ f ( x ) + ∇ f ( x ) T ( y − x ) + m 2 ∥ y − x ∥ 2 f(y) \geq f(x)+\nabla f(x)^{T}(y-x)+\frac{m}{2}\Vert y-x\Vert^{2} f ( y ) ≥ f ( x ) + ∇ f ( x ) T ( y − x ) + 2 m ∥ y − x ∥ 2
f ( y ) ≤ f ( x ) + ∇ f ( x ) T ( y − x ) + L 2 ∥ y − x ∥ 2 f(y) \leq f(x)+\nabla f(x)^{T}(y-x)+\frac{L}{2}\Vert y-x\Vert^{2} f ( y ) ≤ f ( x ) + ∇ f ( x ) T ( y − x ) + 2 L ∥ y − x ∥ 2
⟹ m 2 ∥ z − x ⋆ ∥ 2 ≤ f ( z ) − f ( x ⋆ ) ≤ 1 2 m ∥ ∇ f ( z ) ∥ ∗ 2 \Longrightarrow \frac{m}{2}\left\Vert z-x^{\star}\right\Vert^{2} \leq f(z)-f\left(x^{\star}\right) \leq \frac{1}{2 m}\Vert\nabla f(z)\Vert_{*}^{2} ⟹ 2 m ∥ z − x ⋆ ∥ 2 ≤ f ( z ) − f ( x ⋆ ) ≤ 2 m 1 ∥ ∇ f ( z ) ∥ ∗ 2
⟹ 1 2 L ∥ ∇ f ( z ) ∥ ∗ 2 ≤ f ( z ) − f ( x ⋆ ) ≤ L 2 ∥ z − x ⋆ ∥ 2 \Longrightarrow \frac{1}{2 L}\Vert\nabla f(z)\Vert_{*}^{2} \leq f(z)-f\left(x^{\star}\right) \leq \frac{L}{2}\left\Vert z-x^{\star}\right\Vert^{2} ⟹ 2 L 1 ∥ ∇ f ( z ) ∥ ∗ 2 ≤ f ( z ) − f ( x ⋆ ) ≤ 2 L ∥ z − x ⋆ ∥ 2
例子 :如果函數 f f f 既是 m-強凸的,又是(關於2範數) L-smooth 的,那麼
函數 h ( x ) = f ( x ) − m 2 ∥ x ∥ 2 h(x)=f(x)-\frac{m}{2}\Vert x\Vert^2 h ( x ) = f ( x ) − 2 m ∥ x ∥ 2 是 (L-m)-smooth 的
函數 h h h 的 co-coercivity 可以寫爲
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ m L m + L ∥ x − y ∥ 2 2 + 1 m + L ∥ ∇ f ( x ) − ∇ f ( y ) ∥ 2 2 for all x , y ∈ dom f
(\nabla f(x)-\nabla f(y))^{T}(x-y) \geq \frac{m L}{m+L}\|x-y\|_{2}^{2}+\frac{1}{m+L}\|\nabla f(x)-\nabla f(y)\|_{2}^{2} \quad \text { for all } x, y \in \operatorname{dom} f
( ∇ f ( x ) − ∇ f ( y ) ) T ( x − y ) ≥ m + L m L ∥ x − y ∥ 2 2 + m + L 1 ∥ ∇ f ( x ) − ∇ f ( y ) ∥ 2 2 for all x , y ∈ d o m f
4. 梯度方法收斂性分析
下面給出一些常見梯度下降方法的分析。先回顧一下梯度方法的一般表達式
x k + 1 = x k − t k ∇ f ( x k )
x_{k+1}=x_{k}-t_k \nabla f(x_k)
x k + 1 = x k − t k ∇ f ( x k )
首先有一些假設
f f f convex 且可導,dom f = R n \text{dom}f=R^n dom f = R n
∇ f \nabla f ∇ f 關於2範數 L-Lipschitz continuous
最優解有限且可取
4.1 固定步長
固定步長爲 t t t ,則 x + = x − t ∇ f ( x ) x^+=x-t\nabla f(x) x + = x − t ∇ f ( x ) ,根據 L-smooth 性質有
f ( x − t ∇ f ( x ) ) ≤ f ( x ) − t ( 1 − L t 2 ) ∥ ∇ f ( x ) ∥ 2 2
f(x-t \nabla f(x)) \leq f(x)-t\left(1-\frac{L t}{2}\right)\|\nabla f(x)\|_{2}^{2}
f ( x − t ∇ f ( x ) ) ≤ f ( x ) − t ( 1 − 2 L t ) ∥ ∇ f ( x ) ∥ 2 2
如果 0 < t ≤ 1 / L 0 < t \leq 1/L 0 < t ≤ 1 / L ,則有
f ( x + ) ≤ f ( x ) − t 2 ∥ ∇ f ( x ) ∥ 2 2
f\left(x^{+}\right) \leq f(x)-\frac{t}{2}\|\nabla f(x)\|_{2}^{2}
f ( x + ) ≤ f ( x ) − 2 t ∥ ∇ f ( x ) ∥ 2 2
這表明(只要步長 t t t 比較小)函數值總是在不斷減小 的。從上面的式子結合凸函數性質我們還可以得到
f ( x + ) − f ⋆ ≤ ∇ f ( x ) T ( x − x ⋆ ) − t 2 ∥ ∇ f ( x ) ∥ 2 2 = 1 2 t ( ∥ x − x ⋆ ∥ 2 2 − ∥ x − x ⋆ − t ∇ f ( x ) ∥ 2 2 ) = 1 2 t ( ∥ x − x ⋆ ∥ 2 2 − ∥ x + − x ⋆ ∥ 2 2 )
\begin{aligned}
f\left(x^{+}\right)-f^{\star} & \leq \nabla f(x)^{T}\left(x-x^{\star}\right)-\frac{t}{2}\|\nabla f(x)\|_{2}^{2} \\
&=\frac{1}{2 t}\left(\left\|x-x^{\star}\right\|_{2}^{2}-\left\|x-x^{\star}-t \nabla f(x)\right\|_{2}^{2}\right) \\
&=\frac{1}{2 t}\left(\left\|x-x^{\star}\right\|_{2}^{2}-\left\|x^{+}-x^{\star}\right\|_{2}^{2}\right)
\end{aligned}
f ( x + ) − f ⋆ ≤ ∇ f ( x ) T ( x − x ⋆ ) − 2 t ∥ ∇ f ( x ) ∥ 2 2 = 2 t 1 ( ∥ x − x ⋆ ∥ 2 2 − ∥ x − x ⋆ − t ∇ f ( x ) ∥ 2 2 ) = 2 t 1 ( ∥ x − x ⋆ ∥ 2 2 − ∥ ∥ x + − x ⋆ ∥ ∥ 2 2 )
從這個式子可以得到我們到最優點 x ⋆ x^\star x ⋆ 的距離在不斷減小 。那麼可以得到下面的式子
∑ i = 1 k ( f ( x i ) − f ⋆ ) ≤ 1 2 t ∑ i = 1 k ( ∥ x i − 1 − x ⋆ ∥ 2 2 − ∥ x i − x ⋆ ∥ 2 2 ) = 1 2 t ( ∥ x 0 − x ⋆ ∥ 2 2 − ∥ x k − x ⋆ ∥ 2 2 ) ≤ 1 2 t ∥ x 0 − x ⋆ ∥ 2 2 ⟹ f ( x k ) − f ⋆ ≤ 1 k ∑ i = 1 k ( f ( x i ) − f ⋆ ) ≤ 1 2 k t ∥ x 0 − x ⋆ ∥ 2 2
\begin{aligned}
\sum_{i=1}^{k}\left(f\left(x_{i}\right)-f^{\star}\right) & \leq \frac{1}{2 t} \sum_{i=1}^{k}\left(\left\|x_{i-1}-x^{\star}\right\|_{2}^{2}-\left\|x_{i}-x^{\star}\right\|_{2}^{2}\right) \\
&=\frac{1}{2 t}\left(\left\|x_{0}-x^{\star}\right\|_{2}^{2}-\left\|x_{k}-x^{\star}\right\|_{2}^{2}\right) \\
& \leq \frac{1}{2 t}\left\|x_{0}-x^{\star}\right\|_{2}^{2}
\end{aligned} \\
\Longrightarrow f(x_k)-f^\star\leq\frac{1}{k}\sum_{i=1}^{k}\left(f\left(x_{i}\right)-f^{\star}\right) \leq \frac{1}{2 kt}\left\|x_{0}-x^{\star}\right\|_{2}^{2}
i = 1 ∑ k ( f ( x i ) − f ⋆ ) ≤ 2 t 1 i = 1 ∑ k ( ∥ x i − 1 − x ⋆ ∥ 2 2 − ∥ x i − x ⋆ ∥ 2 2 ) = 2 t 1 ( ∥ x 0 − x ⋆ ∥ 2 2 − ∥ x k − x ⋆ ∥ 2 2 ) ≤ 2 t 1 ∥ x 0 − x ⋆ ∥ 2 2 ⟹ f ( x k ) − f ⋆ ≤ k 1 i = 1 ∑ k ( f ( x i ) − f ⋆ ) ≤ 2 k t 1 ∥ x 0 − x ⋆ ∥ 2 2
因此普通的固定步長的梯度下降有以下收斂性質
f ( x k + 1 ) < f ( x k ) f(x_{k+1}) < f(x_k) f ( x k + 1 ) < f ( x k )
∥ x k + 1 − x ⋆ ∥ < ∥ x k − x ⋆ ∥ \Vert x_{k+1}-x^\star\Vert < \Vert x_{k}-x^\star\Vert ∥ x k + 1 − x ⋆ ∥ < ∥ x k − x ⋆ ∥
f ( x k ) − f ⋆ ≤ 1 2 k t ∥ x 0 − x ⋆ ∥ 2 2 f(x_k)-f^\star\leq \frac{1}{2 kt}\left\|x_{0}-x^{\star}\right\|_{2}^{2} f ( x k ) − f ⋆ ≤ 2 k t 1 ∥ x 0 − x ⋆ ∥ 2 2 ,要想滿足精度 f ( x k ) − f ⋆ ≤ ϵ f(x_k)-f^\star \leq \epsilon f ( x k ) − f ⋆ ≤ ϵ 需要的迭代次數爲 O ( 1 / ϵ ) O(1/\epsilon) O ( 1 / ϵ )
4.2 線搜索
線搜索就是每步都要計算合適的步長,計算方法爲不斷地迭代 t k : = β t k , 0 < β < 1 t_k:=\beta t_k,0<\beta<1 t k : = β t k , 0 < β < 1 直到 t k t_k t k 滿足下面的條件
f ( x k − t k ∇ f ( x k ) ) < f ( x k ) − α t k ∥ ∇ f ( x k ) ∥ 2 2
f\left(x_{k}-t_{k} \nabla f\left(x_{k}\right)\right)<f\left(x_{k}\right)-\alpha t_{k}\left\|\nabla f\left(x_{k}\right)\right\|_{2}^{2}
f ( x k − t k ∇ f ( x k ) ) < f ( x k ) − α t k ∥ ∇ f ( x k ) ∥ 2 2
形象理解就是下面這幅圖,一開始我們的 t k t_k t k 可能很大,表示梯度下降的步長過大,不能使函數值減小,那我們就減小步長 t k = β t k t_k=\beta t_k t k = β t k ,直到進入綠線與藍線交點左側這部分,我們就可以保證一定有 f ( x k + 1 ) < f ( x k ) f(x_{k+1})<f(x_k) f ( x k + 1 ) < f ( x k ) ,這時就是我們要取的 t k t_k t k ,這也是線搜索的含義,線搜索實際上就是在搜索合適的步長 t k t_k t k 。
主要到上面的式子中有一個參數 α \alpha α 會影響我們的搜索結果,比如上圖中 α \alpha α 越大,則綠線的斜率越大,那麼最終搜索到的 t k t_k t k 應該就越小,表示我們每一步的步長都會更小。實際中往往取 α = 1 / 2 \alpha=1/2 α = 1 / 2 ,此時理想的搜索結果實際上就是 quadratic upper bound 的最小值點。也就是說我們用二次上界曲線來近似待優化的函數,而二次上界的最小值點對應的步長就是 t = 1 / L t=1/L t = 1 / L ,但由於我們是線搜索,實際得到的 t k t_k t k 一般會比這個值略小一點。
另一方面爲了保證線搜索在有限步能夠終止,還需要滿足 t k ≥ t m i n = min { t ^ , β / L } t_k\ge t_{min} =\min\{\hat{t},\beta/L\} t k ≥ t m i n = min { t ^ , β / L } ,其中 t ^ \hat{t} t ^ 是預先指定的一個參數。
那麼線搜索的收斂性怎麼樣呢?首先根據線搜索的定義一定有
f ( x i + 1 ) ≤ f ( x i ) − t i 2 ∥ ∇ f ( x i ) ∥ 2 2 ≤ f ⋆ + ∇ f ( x i ) T ( x i − x ⋆ ) − t i 2 ∥ ∇ f ( x i ) ∥ 2 2 = f ⋆ + 1 2 t i ( ∥ x i − x ⋆ ∥ 2 2 − ∥ x i + 1 − x ⋆ ∥ 2 2 )
\begin{aligned}
f\left(x_{i+1}\right) & \leq f\left(x_{i}\right)-\frac{t_{i}}{2}\left\|\nabla f\left(x_{i}\right)\right\|_{2}^{2} \\
& \leq f^{\star}+\nabla f\left(x_{i}\right)^{T}\left(x_{i}-x^{\star}\right)-\frac{t_{i}}{2}\left\|\nabla f\left(x_{i}\right)\right\|_{2}^{2} \\
&=f^{\star}+\frac{1}{2 t_{i}}\left(\left\|x_{i}-x^{\star}\right\|_{2}^{2}-\left\|x_{i+1}-x^{\star}\right\|_{2}^{2}\right)
\end{aligned}
f ( x i + 1 ) ≤ f ( x i ) − 2 t i ∥ ∇ f ( x i ) ∥ 2 2 ≤ f ⋆ + ∇ f ( x i ) T ( x i − x ⋆ ) − 2 t i ∥ ∇ f ( x i ) ∥ 2 2 = f ⋆ + 2 t i 1 ( ∥ x i − x ⋆ ∥ 2 2 − ∥ x i + 1 − x ⋆ ∥ 2 2 )
這表明 f ( x i + 1 ) < f ( x i ) , ∥ x i − x ⋆ ∥ 2 > ∥ x i + 1 − x ⋆ ∥ 2 f(x_{i+1})<f(x_i),\left\|x_{i}-x^{\star}\right\|_{2}>\left\|x_{i+1}-x^{\star}\right\|_{2} f ( x i + 1 ) < f ( x i ) , ∥ x i − x ⋆ ∥ 2 > ∥ x i + 1 − x ⋆ ∥ 2 ,類似前面固定步長的分析,可以得到
f ( x k ) − f ⋆ ≤ 1 k ∑ i = 1 k ( f ( x i ) − f ⋆ ) ≤ 1 2 k t m i n ∥ x 0 − x ⋆ ∥ 2 2
f(x_k)-f^\star\leq\frac{1}{k}\sum_{i=1}^{k}\left(f\left(x_{i}\right)-f^{\star}\right) \leq \frac{1}{2 kt_{min}}\left\|x_{0}-x^{\star}\right\|_{2}^{2}
f ( x k ) − f ⋆ ≤ k 1 i = 1 ∑ k ( f ( x i ) − f ⋆ ) ≤ 2 k t m i n 1 ∥ x 0 − x ⋆ ∥ 2 2
因此對於線搜索的方法,我們可以得到如下的收斂性質
f ( x i + 1 ) < f ( x i ) f(x_{i+1})<f(x_i) f ( x i + 1 ) < f ( x i )
∥ x i − x ⋆ ∥ 2 > ∥ x i + 1 − x ⋆ ∥ 2 \left\|x_{i}-x^{\star}\right\|_{2}>\left\|x_{i+1}-x^{\star}\right\|_{2} ∥ x i − x ⋆ ∥ 2 > ∥ x i + 1 − x ⋆ ∥ 2
f ( x k ) − f ⋆ ≤ 1 2 k t m i n ∥ x 0 − x ⋆ ∥ 2 2 f(x_k)-f^\star\leq \frac{1}{2 kt_{min}}\left\|x_{0}-x^{\star}\right\|_{2}^{2} f ( x k ) − f ⋆ ≤ 2 k t m i n 1 ∥ x 0 − x ⋆ ∥ 2 2
所以線搜索實際上並不能提高收斂速度的階,他與固定步長的方法都是 O ( 1 / k ) O(1/k) O ( 1 / k ) 的,爲 sublinear 收斂 。
4.3 一階方法的收斂極限
不管是固定步長還是線搜索,前面的方法都是一階方法,即
x k + 1 ∈ x 0 + span { ∇ f ( x 0 ) , ∇ f ( x 1 ) , … , ∇ f ( x k ) }
x_{k+1}\in x_{0}+\operatorname{span}\left\{\nabla f\left(x_{0}\right), \nabla f\left(x_{1}\right), \ldots, \nabla f\left(x_{k}\right)\right\}
x k + 1 ∈ x 0 + s p a n { ∇ f ( x 0 ) , ∇ f ( x 1 ) , … , ∇ f ( x k ) }
而理論上也證明一階方法的收斂速度存在極限。
定理(Nesterov) : for every integer k ≤ ( n − 1 ) / 2 k ≤ (n−1)/2 k ≤ ( n − 1 ) / 2 and every x 0 x_0 x 0 , there exist functions in the problem class such that for any first-order method
f ( x k ) − f ⋆ ≥ 3 32 L ∥ x 0 − x ⋆ ∥ 2 2 ( k + 1 ) 2
f\left(x_{k}\right)-f^{\star} \geq \frac{3}{32} \frac{L\left\|x_{0}-x^{\star}\right\|_{2}^{2}}{(k+1)^{2}}
f ( x k ) − f ⋆ ≥ 3 2 3 ( k + 1 ) 2 L ∥ x 0 − x ⋆ ∥ 2 2
也就是說收斂速度最多也就是 O ( 1 / k 2 ) O(1/k^2) O ( 1 / k 2 ) 。
4.4 強凸函數的梯度方法
對於強凸函數,即使採用固定步長的梯度方法,也可以得到線性收斂速度 !這就是強凸性帶來的好處。
考慮 0 < t < 2 / ( m + L ) 0<t<2/(m+L) 0 < t < 2 / ( m + L ) ,我們有
∥ x + − x ⋆ ∥ 2 2 = ∥ x − t ∇ f ( x ) − x ⋆ ∥ 2 2 = ∥ x − x ⋆ ∥ 2 2 − 2 t ∇ f ( x ) T ( x − x ⋆ ) + t 2 ∥ ∇ f ( x ) ∥ 2 2 ≤ ( 1 − t 2 m L m + L ) ∥ x − x ⋆ ∥ 2 2 + t ( t − 2 m + L ) ∥ ∇ f ( x ) ∥ 2 2 ≤ ( 1 − t 2 m L m + L ) ∥ x − x ⋆ ∥ 2 2
\begin{aligned}
\left\|x^{+}-x^{\star}\right\|_{2}^{2} &=\left\|x-t \nabla f(x)-x^{\star}\right\|_{2}^{2} \\
&=\left\|x-x^{\star}\right\|_{2}^{2}-2 t \nabla f(x)^{T}\left(x-x^{\star}\right)+t^{2}\|\nabla f(x)\|_{2}^{2} \\
& \leq\left(1-t \frac{2 m L}{m+L}\right)\left\|x-x^{\star}\right\|_{2}^{2}+t\left(t-\frac{2}{m+L}\right)\|\nabla f(x)\|_{2}^{2} \\
& \leq\left(1-t \frac{2 m L}{m+L}\right)\left\|x-x^{\star}\right\|_{2}^{2}
\end{aligned}
∥ ∥ x + − x ⋆ ∥ ∥ 2 2 = ∥ x − t ∇ f ( x ) − x ⋆ ∥ 2 2 = ∥ x − x ⋆ ∥ 2 2 − 2 t ∇ f ( x ) T ( x − x ⋆ ) + t 2 ∥ ∇ f ( x ) ∥ 2 2 ≤ ( 1 − t m + L 2 m L ) ∥ x − x ⋆ ∥ 2 2 + t ( t − m + L 2 ) ∥ ∇ f ( x ) ∥ 2 2 ≤ ( 1 − t m + L 2 m L ) ∥ x − x ⋆ ∥ 2 2
也就是說可以得到
∥ x k − x ⋆ ∥ 2 2 ≤ c k ∥ x 0 − x ⋆ ∥ 2 2 , c = 1 − t 2 m L m + L f ( x k ) − f ⋆ ≤ L 2 ∥ x k − x ⋆ ∥ 2 2 ≤ c k L 2 ∥ x 0 − x ⋆ ∥ 2 2
\left\|x_{k}-x^{\star}\right\|_{2}^{2} \leq c^{k}\left\|x_{0}-x^{\star}\right\|_{2}^{2}, \quad c=1-t \frac{2 m L}{m+L} \\
f\left(x_{k}\right)-f^{\star} \leq \frac{L}{2}\left\|x_{k}-x^{\star}\right\|_{2}^{2} \leq \frac{c^{k} L}{2}\left\|x_{0}-x^{\star}\right\|_{2}^{2}
∥ x k − x ⋆ ∥ 2 2 ≤ c k ∥ x 0 − x ⋆ ∥ 2 2 , c = 1 − t m + L 2 m L f ( x k ) − f ⋆ ≤ 2 L ∥ x k − x ⋆ ∥ 2 2 ≤ 2 c k L ∥ x 0 − x ⋆ ∥ 2 2
注意到前面是反比例下降,這裏變成了指數下降。如果要打到精度 f ( x k ) − f ⋆ ≤ ϵ f(x_k)-f^\star \leq \epsilon f ( x k ) − f ⋆ ≤ ϵ 需要的迭代次數爲 O ( log ( 1 / ϵ ) ) O(\log(1/\epsilon)) O ( log ( 1 / ϵ ) )
5. BB 方法
Barzilai-Borwein (BB) method 也是梯度下降方法的一種,他主要是通過近似牛頓方法來實現更快的收斂速度,同時避免計算二階導數帶來的計算複雜度。
如果我們記 g ( k ) = ∇ f ( x ( k ) ) and F ( k ) = ∇ 2 f ( x ( k ) ) \boldsymbol{g}^{(k)}=\nabla f\left(\boldsymbol{x}^{(k)}\right) \text { and } \boldsymbol{F}^{(k)}=\nabla^{2} f\left(\boldsymbol{x}^{(k)}\right) g ( k ) = ∇ f ( x ( k ) ) and F ( k ) = ∇ 2 f ( x ( k ) ) ,那麼一階方法 就是 x ( k + 1 ) = x ( k ) − α k g ( k ) \boldsymbol{x}^{(k+1)}=\boldsymbol{x}^{(k)}-\alpha_{k} \boldsymbol{g}^{(k)} x ( k + 1 ) = x ( k ) − α k g ( k ) ,其中步長 α k \alpha_k α k 可以是固定的,也可以是線搜索獲得的,一階方法簡單但是收斂速度慢。牛頓方法 就是 x ( k + 1 ) = x ( k ) − ( F ( k ) ) − 1 g ( k ) \boldsymbol{x}^{(k+1)}=\boldsymbol{x}^{(k)}-\left(\boldsymbol{F}^{(k)}\right)^{-1} \boldsymbol{g}^{(k)} x ( k + 1 ) = x ( k ) − ( F ( k ) ) − 1 g ( k ) ,其收斂速度更快,但是海森矩陣計算代價較大。而 BB方法 就是用 α k g ( k ) \alpha_{k} \boldsymbol{g}^{(k)} α k g ( k ) 來近似 ( F ( k ) ) − 1 g ( k ) \left(\boldsymbol{F}^{(k)}\right)^{-1} \boldsymbol{g}^{(k)} ( F ( k ) ) − 1 g ( k ) 。
怎麼近似呢?假如定義 s ( k − 1 ) : = x ( k ) − x ( k − 1 ) and y ( k − 1 ) : = g ( k ) − g ( k − 1 ) s^{(k-1)}:=x^{(k)}-x^{(k-1)} \text { and } y^{(k-1)}:=g^{(k)}-g^{(k-1)} s ( k − 1 ) : = x ( k ) − x ( k − 1 ) and y ( k − 1 ) : = g ( k ) − g ( k − 1 ) ,那麼海森矩陣實際上就是
F ( k ) s ( k − 1 ) = y ( k − 1 )
\boldsymbol{F}^{(k)}s^{(k-1)}=y^{(k-1)}
F ( k ) s ( k − 1 ) = y ( k − 1 )
現在的想法就是用 ( α k I ) − 1 (\alpha_k I)^{-1} ( α k I ) − 1 來近似 F ( k ) \boldsymbol{F}^{(k)} F ( k ) ,那麼應該有
( α k I ) − 1 s ( k − 1 ) = y ( k − 1 )
(\alpha_k I)^{-1}s^{(k-1)}=y^{(k-1)}
( α k I ) − 1 s ( k − 1 ) = y ( k − 1 )
這個問題用最小二乘就可以解決了,下面兩種選擇都可以
α k − 1 = arg min β 1 2 ∥ s ( k − 1 ) β − y ( k − 1 ) ∥ 2 ⟹ α k 1 = ( s ( k − 1 ) ) T s ( k − 1 ) ( s ( k − 1 ) ) T y ( k − 1 ) α k = arg min α 1 2 ∥ s ( k − 1 ) − y ( k − 1 ) α ∥ 2 ⟹ α k 2 = ( s ( k − 1 ) ) T y ( k − 1 ) ( y ( k − 1 ) ) T y ( k − 1 )
\alpha_{k}^{-1}=\underset{\beta}{\arg \min } \frac{1}{2}\left\|s^{(k-1)} \beta-\boldsymbol{y}^{(k-1)}\right\|^{2} \Longrightarrow \alpha_{k}^{1}=\frac{\left(s^{(k-1)}\right)^{T} s^{(k-1)}}{\left(s^{(k-1)}\right)^{T} \boldsymbol{y}^{(k-1)}} \\\alpha_{k}=\underset{\alpha}{\arg \min } \frac{1}{2}\left\|s^{(k-1)}-\boldsymbol{y}^{(k-1)} \alpha\right\|^{2} \Longrightarrow \alpha_{k}^{2}=\frac{\left(\boldsymbol{s}^{(k-1)}\right)^{T} \boldsymbol{y}^{(k-1)}}{\left(\boldsymbol{y}^{(k-1)}\right)^{T} \boldsymbol{y}^{(k-1)}}
α k − 1 = β arg min 2 1 ∥ ∥ ∥ s ( k − 1 ) β − y ( k − 1 ) ∥ ∥ ∥ 2 ⟹ α k 1 = ( s ( k − 1 ) ) T y ( k − 1 ) ( s ( k − 1 ) ) T s ( k − 1 ) α k = α arg min 2 1 ∥ ∥ ∥ s ( k − 1 ) − y ( k − 1 ) α ∥ ∥ ∥ 2 ⟹ α k 2 = ( y ( k − 1 ) ) T y ( k − 1 ) ( s ( k − 1 ) ) T y ( k − 1 )
這兩個解有一個微妙的不同點在於 α k 1 \alpha_k^1 α k 1 的分母 ( s ( k − 1 ) ) T y ( k − 1 ) \left(s^{(k-1)}\right)^{T} \boldsymbol{y}^{(k-1)} ( s ( k − 1 ) ) T y ( k − 1 ) 有可能等於 0,這會給計算帶來麻煩,而 α k 2 \alpha_k^2 α k 2 則不會。
BB方法主要有以下幾個特點:
幾乎不需要額外的計算量,但是往往會帶來極大的性能增益;
實際應用中這兩個表達式用哪個都可以,甚至還可以交換使用,用哪個更好一般與具體的問題有關;
收斂性很難證明,沒有收斂性的保證。比如下面的例子,他甚至不是單調下降的。
> 最後給我的博客打個廣告,歡迎光臨
https://glooow1024.github.io/
https://glooow.gitee.io/
前面的一些博客鏈接如下
凸優化專欄
凸優化學習筆記 1:Convex Sets
凸優化學習筆記 2:超平面分離定理
凸優化學習筆記 3:廣義不等式
凸優化學習筆記 4:Convex Function
凸優化學習筆記 5:保凸變換
凸優化學習筆記 6:共軛函數
凸優化學習筆記 7:擬凸函數 Quasiconvex Function
凸優化學習筆記 8:對數凸函數
凸優化學習筆記 9:廣義凸函數
凸優化學習筆記 10:凸優化問題
凸優化學習筆記 11:對偶原理
凸優化學習筆記 12:KKT條件
凸優化學習筆記 13:KKT條件 & 互補性條件 & 強對偶性
凸優化學習筆記 14:SDP Representablity
凸優化學習筆記 15:梯度方法