DOI: https://doi.org/10.1016/j.jmaa.2026.130692
تاريخ النشر: 2026-04-15
المؤلف: Minh N. Dao وآخرون
الموضوع الرئيسي: نظرية الطيف في الفيزياء الرياضية
نظرة عامة
في هذا القسم، يقدم المؤلفون إطار عمل جديد لطرق التقسيم الأمامي والخلفي تهدف إلى حل مشاكل الإدراج الأحادي التي تتضمن كل من المشغلين ذوي القيم المجمعة والمشغلين ذوي القيم الفردية، خاصة عندما لا يظهر الأخيرون خاصية التوافق. تستخدم المنهجية المقترحة مصفوفات المعاملات لتعزيز مرونة وقابلية تطبيق الخوارزميات الحالية بينما تقدم أيضًا خوارزميات جديدة. يسمح هذا التقدم بمجموعة أوسع من التطبيقات في مجالات متنوعة.
بالإضافة إلى ذلك، يبرز المؤلفون أنه من خلال اختيار مصفوفات المعاملات بحكمة، يمكن تنفيذ الخوارزميات الناتجة بشكل فعال في الأنظمة الموزعة وغير المركزية. هذه الخاصية مهمة بشكل خاص لأنها تتماشى مع الاحتياجات الحسابية المعاصرة، مما يسهل تطبيق هذه الطرق في السيناريوهات الواقعية حيث تكون المعالجة غير المركزية مفيدة.
مقدمة
في هذا القسم، يتناول المؤلفون مشكلة الإدراج المتمثلة في إيجاد \( x \in H \) بحيث \( 0 \in \sum_{i=1}^{n} A_i x + \sum_{j=1}^{p} B_j x \)، حيث \( H \) هو فضاء هيلبرت حقيقي، و \( A_1, \ldots, A_n \) هم مشغلون أحاديون أقصى بينما \( B_1, \ldots, B_p \) إما متوافقون أو أحاديون وذو استمرارية ليبشيتز. تشمل هذه المشكلة نماذج تحسين متنوعة، بما في ذلك تحسين مركب وعدم المساواة التغيرية. يناقش المؤلفون استخدام خوارزميات التقسيم التي تحسب كل مشغل بشكل منفصل، باستخدام الحلول للمشغلين ذوي القيم المجمعة والحسابات المباشرة للمشغلين ذوي القيم الفردية. يبرزون الخوارزميات الحالية، مثل خوارزمية دوغلاس-راشفورد لـ \( n=2 \) وخوارزمية الأمام والخلف للحالات المحددة، مع الإشارة إلى قيود هذه الأساليب، خاصةً الحاجة إلى التوافق في بعض الخوارزميات.
لتجاوز هذه القيود، يقترح المؤلفون إطار عمل عامًا لتقسيم المشغلين الموزعين وتحليل التقارب الذي يدمج طرقًا موجودة متنوعة ويوسع قابلية تطبيقها. يسمح هذا الإطار باختيار أكثر مرونة للمعاملات ويشمل خوارزميات غير مركزية تعمل بدون منسق مركزي، باستخدام مصفوفات معاملات مستمدة من الرسوم البيانية الموزونة. يقدم المؤلفون حالات متخصصة من إطار عملهم، بما في ذلك خوارزميات جديدة لطرز الرسوم البيانية المختلفة والشروط التي لا تتطلب التوافق. تهدف مساهماتهم إلى تقديم منظور موحد حول تحليل التقارب وتعزيز تنفيذ الخوارزميات الموزعة عبر مجموعة من مشاكل التحسين. تم هيكلة الورقة لتقديم المواد الخلفية اللازمة، وتفصيل النهج العام، واستنتاج الخوارزميات المستندة إلى الرسوم البيانية، وتقديم تجارب عددية للتحقق من الإطار المقترح.
نقاش
في هذا القسم، يناقش المؤلفون خصائص وتقارب خوارزمية مقترحة لحل مشاكل التحسين التي تتضمن مشغلين أحاديين أقصى. يعتمد الإطار على فضاء هيلبرت حقيقي \( H \) ويتضمن كل من المشغلين ذوي القيم الفردية والمجمعة. تشمل التعريفات الرئيسية مفاهيم الأحادية، واستمرارية ليبشيتز، ومفهوم المتوسطات الكونيّة شبه، والتي تعتبر حاسمة لتأسيس تقارب الخوارزمية. يقدم المؤلفون سلسلة تم إنشاؤها بواسطة الخوارزمية، موضحين أنها تظهر أحادية فيجير بالنسبة لنقاط ثابتة المشغل وتتقارب إلى حل في سياق مشكلة التحسين.
كما يقدم المؤلفون عدة ليمات تثبت تعادل شروط معينة تتعلق بالمشغلين المعنيين، مع التركيز بشكل خاص على العلاقات بين النطاقات والنوى للمصفوفات المرتبطة بالمشغلين. يقدمون شروطًا يمكن بموجبها أن تتقارب الخوارزمية، بما في ذلك الشرط الذي ينص على أن السلاسل الناتجة عن الخوارزمية محدودة وتتقارب بشكل ضعيف إلى نقطة ثابتة. تسلط النتائج الضوء على أهمية الافتراضات التي تم إجراؤها حول المشغلين وبنية المصفوفات المعنية، والتي تضمن أن الخوارزمية فعالة في إيجاد حلول لمشكلة التحسين. بشكل عام، تساهم النتائج في فهم طرق تقسيم المشغلين الموزعين في التحسين وتوفر أساسًا قويًا لمزيد من البحث في هذا المجال.
DOI: https://doi.org/10.1016/j.jmaa.2026.130692
Publication Date: 2026-04-15
Author(s): Minh N. Dao et al.
Primary Topic: Spectral Theory in Mathematical Physics
Overview
In this section, the authors present a novel framework for forward-backward splitting methods aimed at solving monotone inclusion problems that involve both set-valued and single-valued operators, particularly when the latter do not exhibit cocoercivity. The proposed methodology utilizes coefficient matrices to enhance the flexibility and applicability of existing algorithms while also introducing new ones. This advancement allows for a broader range of applications in various fields.
Additionally, the authors highlight that by judiciously choosing the coefficient matrices, the resulting algorithms can be effectively implemented in distributed and decentralized systems. This characteristic is particularly significant as it aligns with contemporary computational needs, facilitating the application of these methods in real-world scenarios where decentralized processing is advantageous.
Introduction
In this section, the authors address the inclusion problem of finding \( x \in H \) such that \( 0 \in \sum_{i=1}^{n} A_i x + \sum_{j=1}^{p} B_j x \), where \( H \) is a real Hilbert space, and \( A_1, \ldots, A_n \) are maximally monotone operators while \( B_1, \ldots, B_p \) are either cocoercive or monotone and Lipschitz continuous operators. This problem encompasses various optimization models, including composite optimization and variational inequalities. The authors discuss the use of splitting algorithms that compute each operator separately, employing resolvents for set-valued operators and direct computations for single-valued operators. They highlight existing algorithms, such as the Douglas-Rachford algorithm for \( n=2 \) and the forward-backward algorithm for specific cases, while noting the limitations of these approaches, particularly the requirement for cocoercivity in certain algorithms.
To overcome these limitations, the authors propose a general framework for distributed operator splitting and convergence analysis that integrates various existing methods and extends their applicability. This framework allows for more flexible parameter selection and encompasses decentralized algorithms that operate without a central coordinator, utilizing coefficient matrices derived from weighted graphs. The authors present specialized instances of their framework, including new algorithms for different graph topologies and conditions that do not necessitate cocoercivity. Their contributions aim to provide a unified perspective on convergence analysis and enhance the implementation of distributed algorithms across a range of optimization problems. The paper is structured to introduce necessary background materials, detail the general approach, derive graph-based algorithms, and present numerical experiments to validate the proposed framework.
Discussion
In this section, the authors discuss the properties and convergence of a proposed algorithm for solving optimization problems involving maximally monotone operators. The framework is built upon a real Hilbert space \( H \) and involves both single-valued and set-valued operators. Key definitions include the notions of monotonicity, Lipschitz continuity, and the concept of conical quasiaveragedness, which are crucial for establishing the convergence of the algorithm. The authors introduce a sequence generated by the algorithm, demonstrating that it exhibits Fejér monotonicity with respect to the fixed points of the operator and converges to a solution in the context of the optimization problem.
The authors also present several lemmas that establish the equivalence of certain conditions related to the operators involved, particularly focusing on the relationships between the ranges and kernels of matrices associated with the operators. They provide conditions under which the algorithm converges, including the requirement that the sequences generated by the algorithm are bounded and converge weakly to a fixed point. The results highlight the importance of the assumptions made about the operators and the structure of the matrices involved, which ensure that the algorithm is effective in finding solutions to the optimization problem. Overall, the findings contribute to the understanding of distributed operator splitting methods in optimization and provide a solid foundation for further research in this area.