Buchumschlag

Stochastic interior-point methods for smooth conic optimization with applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	He, Chuan, Deng, Zhanwang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control Artificial Intelligence Machine Learning 90C25, 90C30
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A stochastic first-order method with multi-extrapolated momentum for highly smooth unconstrained optimization
von: He, Chuan
Veröffentlicht: (2024)

Complexity of normalized stochastic first-order methods with momentum under heavy-tailed noise
von: He, Chuan, et al.
Veröffentlicht: (2025)

Bias-Variance Trade-off for Clipped Stochastic First-Order Methods: From Bounded Variance to Infinite Mean
von: He, Chuan
Veröffentlicht: (2025)

Low-rank Orthogonalization for Large-scale Matrix Optimization with Applications to Foundation Model Training
von: He, Chuan, et al.
Veröffentlicht: (2025)

Accelerated stochastic first-order method for convex optimization under heavy-tailed noise
von: He, Chuan, et al.
Veröffentlicht: (2025)

New complexity bounds for primal--dual interior-point algorithms in conic optimization
von: Dahl, Joachim, et al.
Veröffentlicht: (2025)

Faster Accelerated First-order Methods for Convex Optimization with Strongly Convex Function Constraints
von: Lin, Zhenwei, et al.
Veröffentlicht: (2022)

A Newton-CG based barrier-augmented Lagrangian method for general nonconvex conic optimization
von: He, Chuan, et al.
Veröffentlicht: (2023)

Alternating minimization for square root principal component pursuit
von: Deng, Shengxiang, et al.
Veröffentlicht: (2024)

A feasible smoothing accelerated projected gradient method for nonsmooth convex optimization
von: Nishioka, Akatsuki, et al.
Veröffentlicht: (2023)

Interior-point algorithms with full Newton steps for nonsymmetric convex conic optimization
von: Papp, Dávid, et al.
Veröffentlicht: (2025)

Stochastic First-Order Methods with Non-smooth and Non-Euclidean Proximal Terms for Nonconvex High-Dimensional Stochastic Optimization
von: Xie, Yue, et al.
Veröffentlicht: (2024)

Nesterov's accelerated gradient for unbounded convex functions finds the minimum-norm point in the dual space
von: Sakabe, Keiya
Veröffentlicht: (2026)

A squared smoothing Newton method for semidefinite programming
von: Liang, Ling, et al.
Veröffentlicht: (2023)

Analysis of Kernel Mirror Prox for Measure Optimization
von: Dvurechensky, Pavel, et al.
Veröffentlicht: (2024)

Adaptive proximal algorithms for convex optimization under local Lipschitz continuity of the gradient
von: Latafat, Puya, et al.
Veröffentlicht: (2023)

A conditional gradient homotopy method with applications to Semidefinite Programming
von: Dvurechensky, Pavel, et al.
Veröffentlicht: (2022)

Adaptive proximal gradient methods are universal without approximation
von: Oikonomidis, Konstantinos A., et al.
Veröffentlicht: (2024)

Safeguarding adaptive methods: global convergence of Barzilai-Borwein and other stepsize choices
von: Ou, Hongjia, et al.
Veröffentlicht: (2024)

On the convergence of adaptive first order methods: proximal gradient and alternating minimization algorithms
von: Latafat, Puya, et al.
Veröffentlicht: (2023)

A polynomial time infeasible interior-point arc-search algorithm for convex optimization
von: Yang, Yaguang
Veröffentlicht: (2022)

A computationally efficient arc-search interior-point algorithm for nonlinear constrained optimization
von: Yang, Yaguang
Veröffentlicht: (2024)

On the convergence of proximal gradient methods for convex simple bilevel optimization
von: Latafat, Puya, et al.
Veröffentlicht: (2023)

Lipschitz-free Projected Subgradient Method with Time-varying Step-size
von: Xia, Yong, et al.
Veröffentlicht: (2024)

Convergence Rate of Projected Subgradient Method with Time-varying Step-sizes
von: Zhu, Zhihan, et al.
Veröffentlicht: (2024)

A heavy-ball type curve search method for smooth convexly constrained optimization
von: Donnini, Federica, et al.
Veröffentlicht: (2026)

Efficient parameter-free restarted accelerated gradient methods for convex and strongly convex optimization
von: Sujanani, Arnesh, et al.
Veröffentlicht: (2024)

An interior point method for nonlinear constrained derivative-free optimization
von: Brilli, Andrea, et al.
Veröffentlicht: (2021)

Regularized Barzilai-Borwein method
von: An, Congpei, et al.
Veröffentlicht: (2022)

A nonsmooth Frank-Wolfe algorithm through a dual cutting-plane approach
von: Mazanti, Guilherme, et al.
Veröffentlicht: (2024)

A Parameterized Barzilai-Borwein Method via Interpolated Least Squares
von: Xu, Xin
Veröffentlicht: (2024)

A Projection-Free Method for Solving Convex Bilevel Optimization Problems
von: Giang-Tran, Khanh-Hung, et al.
Veröffentlicht: (2023)

On Convergence of Regularized Barzilai-Borwein Method
von: Xu, Xin
Veröffentlicht: (2025)

Parallelizing the Circumcentered-Reflection Method
von: Barros, Pablo, et al.
Veröffentlicht: (2025)

Convergence, Duality and Well-Posedness in Convex Bilevel Optimization
von: Giang-Tran, Khanh-Hung, et al.
Veröffentlicht: (2025)

Optimal Subgradient Methods for Lipschitz Convex Optimization with Error Bounds
von: Wang, Alex L.
Veröffentlicht: (2025)

NewVEM: A Newton Vertex Exchange Method for a Class of Constrained Self-Concordant Minimization Problems
von: Liang, Ling, et al.
Veröffentlicht: (2024)

Stochastic Approximation with Decision-Dependent Distributions: Asymptotic Normality and Optimality
von: Cutler, Joshua, et al.
Veröffentlicht: (2022)

An Inexact Halpern Iteration with Application to Distributionally Robust Optimization
von: Liang, Ling, et al.
Veröffentlicht: (2024)

Exploiting cone approximations in an augmented Lagrangian method for conic optimization
von: Fukuda, Mituhiro, et al.
Veröffentlicht: (2024)