[論文レビュー] A Douglas-Rachford type primal-dual method for solving inclusions with mixtures of composite and parallel-sum type monotone operators

Radu Ioan Boţ, Christopher Hendrich|arXiv (Cornell University)|Dec 3, 2012

Numerical methods in inverse problems参考文献 5被引用数 10

ひとこと要約

本稿では、複合的および平行和型の単調作用素を含む単調包含問題を解くために、2つの不正確なプライマルデュアルドーキング・ラッハフォード分割法を提案する。これらの手法は、それぞれ有界線形作用素と集合値作用素を、スケール作用素と前進ステップを用いて別々に処理することで、並列処理と誤差耐性を実現し、収束保証と画像のぼかし除去および位置決め問題への有効性を示している。

ABSTRACT

In this paper we propose two different primal-dual splitting algorithms for solving inclusions involving mixtures of composite and parallel-sum type monotone operators which rely on an inexact Douglas-Rachford splitting method, however applied in different underlying Hilbert spaces. Most importantly, the algorithms allow to process the bounded linear operators and the set-valued operators occurring in the formulation of the monotone inclusion problem separately at each iteration, the latter being individually accessed via their resolvents. The performances of the primal-dual algorithms are emphasized via some numerical experiments on location and image deblurring problems.

研究の動機と目的

• 複合的および平行和型単調作用素の混合を含む単調包含問題を解くためのプライマルデュアルアルゴリズムを開発すること。
• 集合値作用素の個別処理をスケール作用素に基づき、有界線形作用素を前進ステップにより明示的に処理すること。
• スケール作用素評価における和が summable な誤差を許容する不正確な計算を可能とし、実装の実用性を高めること。
• リプシッツ連続性やココエリシビティを仮定しない最小限の仮定のもとで弱収束および強収束を保証すること。
• 特に画像のぼかし除去および位置決め問題において、アルゴリズムの性能を実証すること。

提案手法

• アルゴリズムは、異なるヒルバート空間に適用された不正確なドーキング・ラッハフォード分割法に基づくもので、単調包含問題の構造を活用している。
• 集合値作用素は個別にそのスケール作用素を通じてアクセスされ、有界線形作用素は作用素またはその随伴作用素に対する明示的前進ステップで処理される。
• 包含問題の各成分を分離するために、積ヒルバート空間の枠組みを用いてアルゴリズムを定式化している。
• アルゴリズムは並列処理が可能で、各反復でスケール作用素と前進ステップが独立して計算される。
• 収束は一般条件のもとで確立されており、スケール作用素評価における和が summable な誤差を含むが、リプシッツ性やココエリシビティの仮定は不要である。
• 部分微分作用素がプロキシマル点マッピングを導くため、Fenchel双対性を活用して凸最適化に応用している。

実験結果

リサーチクエスチョン

• RQ1 プライマルデュアル分割法は、複合的および平行和型単調作用素の混合を、作用素処理を分離できる形で拡張可能か？
• RQ2 スケール作用素評価における不正確さを、プライマルデュアルアルゴリズムの収束性を保ちながら組み込む方法は何か？
• RQ3 リプシッツ性やココエリシビティの条件を仮定しない最小限の仮定のもとで、提案手法の収束特性はどのようになるか？
• RQ4 画像のぼかし除去タスクにおいて、提案手法は前進後退後退法（FBF）と比較して性能に優れるか？
• RQ5 大規模な問題、例えば画像再構成において、これらのアルゴリズムは実用的に効率的に並列化可能か？

主な発見

• 提案手法は、スケール作用素計算における和が summable な誤差を含む一般仮定のもとで、プライマルデュアル単調包含問題に対して弱収束および強収束を達成する。
• アルゴリズム3.1およびアルゴリズム3.2は両方とも凸最小化問題に適用可能で、資格条件のもとでプライマルデュアル最適化ペアを解くのと同等の収束を示す。
• 256×256のカメラマン画像を用いた数値実験では、両アルゴリズムとも目的関数の減少およびISNR向上の点で前進後退後退法を上回っている。
• 図4.4におけるISNR値と目的関数の変化は、DR1（アルゴリズム3.1）およびDR2（アルゴリズム3.2）がFBF法よりも高速に収束し、より優れた再構成品質を達成していることを示している。
• スケール作用素評価における和が summable な誤差列を用いた実験により、実装誤差に対してもアルゴリズムが頑健であることが示されたが、収束性に影響を与えない。
• スケール作用素と前進操作の大部分が独立して計算できるため、アルゴリズムは非常に並列化可能である。