Metric selection in fast dual forward-backward splitting

عملکرد تقسیم بندی سریع به عقب و یا روش های معادل سرعت سریع شیب متناوب بستگی به تهیه داده های مشکل بهینه سازی دارد. این تهویه به یک متریک مرتبط است که با فضای تعیین شده در آن مشکل بهینه سازی شده است. انتخاب یک فضای که داده های بهینه سازی بهتر است، عملکرد الگوریتم را بهبود می بخشد. در این مقاله، چندین روش با پیچیدگی محاسباتی مختلف پیشنهاد می کنیم تا فضایی را پیدا کنیم که الگوریتم آن را انجام می دهد. ما روش های انتخاب متریک پیشنهاد شده را با مقایسه عملکرد با مورد استفاده از فضای اقلیدس ارزیابی می کنیم. برای بیشترین مشکل ناخوشایندی که در نظر داریم، پیچیدگی محاسباتی دو تا سه مرتبه بهبود می یابد. ما همچنین نسبت به عملکرد برتر نسبت به بهترین نرم افزار بهینه سازی گزارش می کنیم.