邻近映射在Bregman度量下的推广*
2019-04-11莫凡
莫 凡
(重庆师范大学 数学科学学院,重庆 401331)
0 引 言
1967年,Bregman等人在文献[1]中提出了一类新的函数dφ(现在称为Bregman度量)来代替传统的度量函数,用于分析最优化算法的可行性。设φ(x)是一个可微的严格真凸函数,定义点x,y的Bregman度量如下:
dφ(x,y)=φ(x)-φ(y)-[▽φ(y),x-y]
∀x,y∈dom(φ)
其中▽φ(y)是函数φ在点y处的梯度。
Bregman度量的提出开辟了越来越多新的研究领域,Bregman度量不仅解决了迭代算法的可行性和优化问题,而且也可以应用于求解变分不等式和非线性映射的不动点问题[9-12]。
现在,探究Bregman度量意义下函数的邻近映射,设f是Rn上的一个广义实值函数,φ是一个可微的严格真凸函数,邻近映射定义为
1 预备知识
首先给出一些必要的定义和引理。
定义1[1]设φ(x)是一个可微的严格真凸函数,定义点x,y的Bregman度量如下:
其中▽φ(y)是函数φ在点y处的梯度。
根据Bregman度量的定义即可以得到下面一个等式(1),它在后面的结论中非常有用。
dφ(z,y)-dφ(x,y)=
f(z)-f(x)-<▽f(y),z-x>
(1)
其中x,y,z∈dom(φ)。
定义2[2]对任意的集合C⊆Rn,集合的指示函数定义为
定义3[2](强凸函数)函数f(x)称为强凸函数,若存在σ>0,对任意的λ∈[0,1],有
引理1[10]若φ(x)是Rn→R的强凸函数,则Bregamn度量dφ(x,y)对于第一个变量dφ(·,y)是强凸函数。
引理2[2]设f(x)是Rn上的一个真、闭的强制函数,S⊆Rn是一个非空闭集,且S∩dom(f)≠∅,则f(x)在S上能取到最小值。
引理3[2]设f是Rn上闭的真强凸函数,则
①f有惟一的最小值;
引理4[2]设f:Rn→R是真凸函数,则x*∈argmin{f(x):x∈Rn}当且仅当0∈∂f(x*)。
2 主要结果及其证明
定义5 对于一个函数Rn→R,定义f(x)的邻近映射(proximal mapping)如下:
例1 对于φ(x)=x2(R→R),λ>0,考虑下列函数的邻近映射:
①g1(x)≡0;
由邻近映射的定义可得:
其中,
若-λ+x2<0,则argming2(x)=0;若-λ+x2>0,则argming2(x)=x;若-λ+x2=0,则argming2(x)={x,0}。
综上可得:
③ 与② 类似可得:
证明由于φ(x)可微,则dφ(·,x)连续,所以dφ(·,x)是闭函数。由闭函数的可加性知g(u)=f(u)+dφ(u,x)是闭函数,根据条件g(u)是强制函数,由引理2知g(u)在Rn上能取到最小值,所以
也即非空。
定理3是第一邻近映射定理在Bregman度量下的推广。
定理3 设f:Rn→R是闭的真凸函数,φ(x)是可微的、闭的真凸函数,则对任意的x,y∈dom(φ),下列3条结论等价:
①u=proxf(x);
② ▽φ(x)-▽φ(u)∈∂f(u);
③ <▽φ(x)-▽φ(u),y-u>≤f(y)-f(u)。
② ⟺ ③ ,根据次微分的定义,▽φ(x)-▽φ(u)∈∂f(u),当且仅当f(y)≥f(u)+<▽φ(x)-▽φ(u),y-u>,∀y∈Rn,移项可得:
<▽φ(x)-▽φ(u),y-u>≤f(y)-f(u),y∈Rn
证明x是f的最小值当且仅当0∈∂{f(x)+dφ(u,x)}⟺▽φ(x)-▽φ(u)∈∂f(u),由定理3可知x=proxf(x)。
定义6 设C⊆Rn是非空闭凸集,定义点到集合的正交投影如下:
证明根据邻近映射的定义:
即证。
定理6 设C⊆Rn是非空闭凸集,f是闭的真凸函数,φ是可微的真凸函数,则对任意的x,y∈dom(φ),有:
f(u)+dφ(u,x)≤f(v)+dφ(v,x)
f(v)+dφ(v,y)≤f(u)+dφ(u,y)
所以
f(u)-f(v)+φ(u)-φ(v)+<▽φ(x),v-u>≤0
(2)
f(v)-f(u)+φ(v)-φ(u)+<▽φ(y),u-v>≤0
(3)
式(2)(3)相加可得
<▽φ(x)-▽φ(y),v-u>≤0⟺
<▽φ(x)-▽φ(y),u-v>≥0
也即
令f(x)=δC(x),由定理4知
所以
即证。