Buchumschlag

An optimal first-order method for smooth and strongly convex composite optimization and its stationary limit

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Upadhyaya, Manu, Thomsen, Daniel Berg, Dieuleveut, Aymeric, Taylor, Adrien B.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Tight analyses of first-order methods with error feedback
von: Thomsen, Daniel Berg, et al.
Veröffentlicht: (2025)

Counter-examples in first-order optimization: a constructive approach
von: Goujaud, Baptiste, et al.
Veröffentlicht: (2023)

A Tight Theory of Error Feedback Algorithms in Distributed Optimization
von: Thomsen, Daniel Berg, et al.
Veröffentlicht: (2026)

Automated tight Lyapunov analysis for first-order methods
von: Upadhyaya, Manu, et al.
Veröffentlicht: (2023)

PEPit: computer-assisted worst-case analyses of first-order optimization methods in Python
von: Goujaud, Baptiste, et al.
Veröffentlicht: (2022)

Provable non-accelerations of the heavy-ball method
von: Goujaud, Baptiste, et al.
Veröffentlicht: (2023)

The AutoLyap software suite for computer-assisted Lyapunov analyses of first-order methods
von: Upadhyaya, Manu, et al.
Veröffentlicht: (2025)

Open Problem: Two Riddles in Heavy-Ball Dynamics
von: Goujaud, Baptiste, et al.
Veröffentlicht: (2025)

Universal subgradient and proximal bundle methods for convex and strongly convex hybrid composite optimization
von: Guigues, Vincent, et al.
Veröffentlicht: (2024)

Augmented Lagrangian methods for infeasible convex optimization problems and diverging proximal-point algorithms
von: Andrews, Roland, et al.
Veröffentlicht: (2025)

Stochastic smoothing accelerated gradient method for general constrained nonsmooth convex composite optimization
von: Wang, Ruyu, et al.
Veröffentlicht: (2023)

Compressed and distributed least-squares regression: convergence rates with applications to Federated Learning
von: Philippenko, Constantin, et al.
Veröffentlicht: (2023)

A globalized inexact semismooth Newton method for strongly convex optimal control problems
von: Wachsmuth, Daniel
Veröffentlicht: (2025)

Exploiting higher-order derivatives in convex optimization methods
von: Kamzolov, Dmitry, et al.
Veröffentlicht: (2022)

On iteratively regularized first-order methods for simple bilevel optimization
von: Samadi, Sepideh, et al.
Veröffentlicht: (2025)

Stability of first-order methods in tame optimization
von: Lai, Lexiao
Veröffentlicht: (2024)

A Lyapunov analysis of Korpelevich's extragradient method with fast and flexible extensions
von: Upadhyaya, Manu, et al.
Veröffentlicht: (2025)

The Chambolle--Pock method converges weakly with $θ>1/2$ and $τσ\|L\|^2<4/(1+2θ)$
von: Banert, Sebastian, et al.
Veröffentlicht: (2023)

On quasi-convex smooth optimization problems by a comparison oracle
von: Gasnikov, A. V., et al.
Veröffentlicht: (2024)

From Inexact Gradients to Byzantine Robustness: Acceleration and Optimization under Similarity
von: Gaucher, Renaud, et al.
Veröffentlicht: (2026)

Unified Breakdown Analysis for Byzantine Robust Gossip
von: Gaucher, Renaud, et al.
Veröffentlicht: (2024)

Simple linesearch-free first-order methods for nonconvex optimization
von: Yagishita, Shotaro, et al.
Veröffentlicht: (2025)

Bounds for the tracking error of first-order online optimization methods
von: Madden, Liam, et al.
Veröffentlicht: (2020)

Proximal bundle methods for hybrid weakly convex composite optimization problems
von: Liang, Jiaming, et al.
Veröffentlicht: (2023)

An accelerated proximal bundle method for convex optimization
von: Liao, Feng-Yi, et al.
Veröffentlicht: (2025)

Randomized gradient-free methods in convex optimization
von: Gasnikov, Alexander, et al.
Veröffentlicht: (2022)

A smoothing moving balls approximation method for a class of conic-constrained difference-of-convex optimization problems
von: Xu, Jiefeng, et al.
Veröffentlicht: (2025)

Multi-cut stochastic approximation methods for solving stochastic convex composite optimization
von: Liang, Jiaming, et al.
Veröffentlicht: (2025)

Introducing the method of ellipcenters, a new first order technique for unconstrained optimization
von: Behling, Roger, et al.
Veröffentlicht: (2025)

Empirical and computer-aided robustness analysis of long-step and accelerated methods in smooth convex optimization
von: Vernimmen, Pierre, et al.
Veröffentlicht: (2025)

Differentiation of inertial methods for optimizing smooth parametric function
von: Godeme, Jean-Jacques
Veröffentlicht: (2025)

SSNCVX: A primal-dual semismooth Newton method for convex composite optimization problem
von: Deng, Zhanwang, et al.
Veröffentlicht: (2025)

Scaffold with Stochastic Gradients: New Analysis with Linear Speed-Up
von: Mangold, Paul, et al.
Veröffentlicht: (2025)

Parameter-free proximal bundle methods with adaptive stepsizes for hybrid convex composite optimization problems
von: Monteiro, Renato D. C., et al.
Veröffentlicht: (2024)

A Near-optimal Method for Linearly Constrained Composite Non-convex Non-smooth Problems
von: Liu, Wei, et al.
Veröffentlicht: (2025)

A flexible block-coordinate forward-backward algorithm for non-smooth and non-convex optimization
von: Briceño-Arias, Luis, et al.
Veröffentlicht: (2025)

Computer-aided analyses of stochastic first-order methods, via interpolation conditions for stochastic optimization
von: Rubbens, Anne, et al.
Veröffentlicht: (2025)

An inexact $q$-order regularized proximal Newton method for nonconvex composite optimization
von: Liu, Ruyu, et al.
Veröffentlicht: (2023)

A fast continuous time approach for non-smooth convex optimization with time scaling and Tikhonov regularization
von: Csetnek, Robert Ernö, et al.
Veröffentlicht: (2022)

A simple uniformly optimal method without line search for convex optimization
von: Li, Tianjiao, et al.
Veröffentlicht: (2023)