Skip to main content
QUICK REVIEW

[论文解读] Second-order growth, tilt stability, and metric regularity of the subdifferential

Dmitriy Drusvyatskiy, Boris S. Mordukhovich|arXiv (Cornell University)|Apr 27, 2013
Numerical methods in inverse problems参考文献 28被引用 43
一句话总结

本文在 Asplund 空间中,为 prox-regular 且次可微连续的函数建立了二阶增长条件、极限次微分的度量正则性/次正则性,以及局部极小值的倾斜稳定性之间的精确、定量关系。证明了均匀二次增长等价于次微分的强度量次正则性,且给出了明确的模估计;并表明广义 Hessian 的正定性并非倾斜稳定性的必要条件,从而挑战了非光滑优化中的经典假设。

ABSTRACT

This paper sheds new light on several interrelated topics of second-order variational analysis, both in finite and infinite-dimensional settings. We establish new relationships between second-order growth conditions on functions, the basic properties of metric regularity and subregularity of the limiting subdifferential, tilt-stability of local minimizers, and positive-definiteness/semidefiniteness properties of the second-order subdifferential (or generalized Hessian).

研究动机与目标

  • 在 Asplund 空间中,建立二阶增长与极限次微分的度量正则性/次正则性之间基于模的定量关系。
  • 将 C² 光滑函数中二次增长与倾斜稳定性的已知等价关系,推广至 prox-regular 且次可微连续的函数。
  • 研究广义 Hessian 的正定性是否为倾斜稳定性的必要条件,从而挑战非光滑优化中的经典二阶最优性条件。
  • 通过度量正则性和增长条件,提供倾斜稳定性的新刻画,适用于有限维和凸情形之外的场景。
  • 通过提供比现有结果更紧致的模估计,解决先前研究中的一个猜想。

提出的方法

  • 在 Asplund 空间中,使用极限次微分理论及 Mordukhovich 框架下的广义 Hessian 构造。
  • 应用次微分的强度量次正则性概念,通过显式的模关系刻画均匀二次增长。
  • 采用 Mordukhovich 和 Nghia(2018)提出的联合二阶次微分概念,将结果推广至无限维情形。
  • 利用二阶次微分的和法则分析完全可适函数并构造反例。
  • 应用变分分析工具,如临界锥和上境次微分,以研究最优性条件。
  • 推导出优于以往工作的模估计,尤其在非凸和非光滑情形下。

实验结果

研究问题

  • RQ1在 Asplund 空间中,对于 prox-regular 且次可微连续的函数,极限次微分的强强度量次正则性是否等价于均匀二次增长?
  • RQ2在非光滑优化中,广义 Hessian 的正定性是否可被放宽为倾斜稳定性的必要条件?
  • RQ3在非凸和无限维情形下,二次增长与度量正则性之间关系的模估计是否优于现有界限?
  • RQ4增长、次正则性与倾斜稳定性之间的关系如何超越 C² 光滑和凸函数的情形?
  • RQ5子微分连续性假设是否为二次增长与强度量次正则性之间等价性的必要条件?

主要发现

  • 在 Asplund 空间中,下确连续函数的均匀二次增长等价于其极限次微分的强度量次正则性,且具有显式的模关系。
  • 广义 Hessian 的半正定性并非倾斜稳定性的必要条件,通过一个完全可适函数的反例得以证明,该函数在极小值点处的 Hessian 不定。
  • 本文推导出的模估计比 Aragón 和 Geoffroy(2013)的结果更紧致,并肯定地解决了他们的猜想。
  • 二次增长与倾斜稳定性的等价性可推广至 Asplund 空间中的 prox-regular 且次可微连续函数,无需子微分连续性假设。
  • 结果将已知的 C² 光滑刻画推广至更广泛的非光滑函数类,为二阶变分分析提供统一框架。
  • 本研究证实,广义 Hessian 的正定性并非倾斜稳定性的必要条件,从而挑战了非光滑优化中经典的二阶最优性条件。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。