Non-asymptotic Global Convergence Analysis of BFGS with the Armijo-Wolfe Line Search

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jin, Qiujiang, Jiang, Ruichen, Mokhtari, Aryan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Non-asymptotic Global Convergence Rates of BFGS with Exact Line Search
von: Jin, Qiujiang, et al.
Veröffentlicht: (2024)

Affine-Invariant Global Non-Asymptotic Convergence Analysis of BFGS under Self-Concordance
von: Jin, Qiujiang, et al.
Veröffentlicht: (2025)

Online Learning Guided Quasi-Newton Methods with Global Non-Asymptotic Convergence
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Statistical and Computational Complexities of BFGS Quasi-Newton Method for Generalized Linear Models
von: Jin, Qiujiang, et al.
Veröffentlicht: (2022)

Adaptive and Optimal Second-order Optimistic Methods for Minimax Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Explicit Global Convergence Rates of BFGS without Line Search
von: Yu, Jianjiang, et al.
Veröffentlicht: (2025)

Provable Complexity Improvement of AdaGrad over SGD: Upper and Lower Bounds in Stochastic Non-Convex Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Stochastic Newton Proximal Extragradient Method
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Improved Complexity for Smooth Nonconvex Optimization: A Two-Level Online Learning Approach with Quasi-Newton Methods
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Improving Online-to-Nonconvex Conversion for Smooth Optimization via Double Optimism
von: Patitucci, Francisco, et al.
Veröffentlicht: (2025)

Online Learning-guided Learning Rate Adaptation via Gradient Alignment
von: Jiang, Ruichen, et al.
Veröffentlicht: (2025)

An Inexact Conditional Gradient Method for Constrained Bilevel Optimization
von: Abolfazli, Nazanin, et al.
Veröffentlicht: (2023)

Global Complexity Analysis of BFGS
von: Rodomanov, Anton
Veröffentlicht: (2024)

Generalized Optimistic Methods for Convex-Concave Saddle Point Problems
von: Jiang, Ruichen, et al.
Veröffentlicht: (2022)

Adaptive Matrix Online Learning through Smoothing with Guarantees for Nonsmooth Nonconvex Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2026)

Krylov Cubic Regularized Newton: A Subspace Second-Order Method with Dimension-Free Convergence Rate
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

An Accelerated Gradient Method for Convex Smooth Simple Bilevel Optimization
von: Cao, Jincheng, et al.
Veröffentlicht: (2024)

On the Complexity of Finding Stationary Points in Nonconvex Simple Bilevel Optimization
von: Cao, Jincheng, et al.
Veröffentlicht: (2025)

Approximate Bregman proximal gradient algorithm with variable metric Armijo--Wolfe line search
von: Fujiki, Kiwamu, et al.
Veröffentlicht: (2025)

Secant Line Search for Frank-Wolfe Algorithms
von: Hendrych, Deborah, et al.
Veröffentlicht: (2025)

Adaptive Optimization via Momentum on Variance-Normalized Gradients
von: Patitucci, Francisco, et al.
Veröffentlicht: (2026)

Global Convergence of a Line-Search Filter Differential Dynamic Programming Method
von: Xu, Ming, et al.
Veröffentlicht: (2026)

Global convergence of a BFGS-type algorithm for nonconvex multiobjective optimization problems
von: Prudente, L. F., et al.
Veröffentlicht: (2023)

Armijo Line-search Can Make (Stochastic) Gradient Descent Provably Faster
von: Vaswani, Sharan, et al.
Veröffentlicht: (2025)

Frank-Wolfe Beyond 1/t Convergence
von: Pokutta, Sebastian
Veröffentlicht: (2026)

Relationship between Batch Size and Number of Steps Needed for Nonconvex Optimization of Stochastic Gradient Descent using Armijo Line Search
von: Tsukada, Yuki, et al.
Veröffentlicht: (2023)

A New Convergence Analysis of Two Stochastic Frank-Wolfe Algorithms
von: Boonsiriphatthanajaroen, Natthawut, et al.
Veröffentlicht: (2025)

Decentralized Conjugate Gradient and Memoryless BFGS Methods
von: Wang, Liping, et al.
Veröffentlicht: (2024)

Modified Line Search Sequential Quadratic Methods for Equality-Constrained Optimization with Unified Global and Local Convergence Guarantees
von: Berahas, Albert S., et al.
Veröffentlicht: (2024)

Complexities of Armijo-like algorithms in Deep Learning context
von: Bilel, Bensaid
Veröffentlicht: (2024)

Efficient Stochastic BFGS methods Inspired by Bayesian Principles
von: Carlon, André, et al.
Veröffentlicht: (2025)

Global convergence of a modified BFGS-type method based on function information for nonconvex multiobjective optimization problems
von: Yang, Yingxue
Veröffentlicht: (2024)

A robust BFGS algorithm for unconstrained nonlinear optimization problems
von: Yang, Yaguang
Veröffentlicht: (2012)

A Diagonal BFGS Update Algorithm with Inertia Acceleration Technology for Minimizations
von: Luo, Zhenhua, et al.
Veröffentlicht: (2024)

Almost Sure Convergence and Non-asymptotic Concentration Bounds for Stochastic Mirror Descent Algorithm
von: Paul, Anik Kumar, et al.
Veröffentlicht: (2024)

Modified Armijo line search in optimization on Riemannian submanifolds with reduced computational cost
von: Sato, Hiroyuki, et al.
Veröffentlicht: (2023)

Non-Parametric Learning of Stochastic Differential Equations with Non-asymptotic Fast Rates of Convergence
von: Bonalli, Riccardo, et al.
Veröffentlicht: (2023)

Block-coordinate Plug-And-Play Methods with Armijo-like line-search for Image Restoration
von: Porta, Federica, et al.
Veröffentlicht: (2026)

Adaptive Open-Loop Step-Sizes for Accelerated Convergence Rates of the Frank-Wolfe Algorithm
von: Wirth, Elias, et al.
Veröffentlicht: (2025)

Global Convergence of Control-Based Lagrangian Flows for Non-Convex Optimization
von: Pirrera, Simone, et al.
Veröffentlicht: (2026)