[论文解读] Superiorization and Perturbation Resilience of Algorithms: A Continuously Updated Bibliography

Yair Censor|arXiv (Cornell University)|Jun 13, 2015

Sparse and Compressive Sensing Techniques参考文献 41被引用 5

一句话总结

这份持续更新的参考书目汇编了所有已知关于优势化方法（superiorization methodology）和算法扰动鲁棒性（perturbation resilience）的科学出版物。该技术通过引入受控扰动来增强迭代算法，从而在不牺牲计算效率的前提下提升解的质量。该方法使可行性寻求算法能够降低目标函数值，为图像重建和放射治疗等应用提供了计算效率更高的传统优化方法替代方案。

ABSTRACT

This document presents a (mostly) chronologically-ordered bibliography of scientific publications on the superiorization methodology and perturbation resilience of algorithms which is compiled and continuously updated by us at: http://math.haifa.ac.il/yair/bib-superiorization-censor.html. Since the beginnings of this topic we try to trace the work that has been published about it since its inception. To the best of our knowledge this bibliography represents all available publications on this topic to date, and while the URL is continuously updated we will revise this document and bring it up to date on arXiv approximately once a year. Abstracts of the cited works, and some links and downloadable files of preprints or reprints are available on the above mentioned Internet page. If you know of a related scientific work in any form that should be included here kindly write to me on: [e-mail] with full bibliographic details, a DOI if available, and a PDF copy of the work if possible. The Internet page was initiated on March 7, 2015, and has been last updated on March 15, 2026. Comment: Some of the items have on the above mentioned Internet page more information and links than in this report. Acknowledgments: The compilation of this report was supported by the ISF-NSFC joint research program grant No. 2874/19, by the U.S. National Institutes of Health grant No. R01CA266467 and by the Cooperation Program in Cancer Research of the German Cancer Research Center (DKFZ) and the Israeli Ministry of Innovation, Science and Technology (MOST).

研究动机与目标

• 汇编并维护一份关于优越化和扰动鲁棒性所有科学出版物的完整、最新参考书目。
• 通过提供该新兴优化理论与应用领域文献的集中化、可访问资源，支持研究人员。
• 通过邀请研究人员通过电子邮件提交缺失作品的完整书目和数字信息，鼓励社区参与贡献。
• 通过专用在线存储库链接至预印本、文摘和可下载文件，促进该方法的采用和进一步研究。
• 突出优越化方法作为传统约束优化技术的通用、计算高效的替代方法的方法论重要性。

提出的方法

• 在 http://math.haifa.ac.il/yair/bib-superiorization-censor.html 持续维护一份按时间顺序排列的、持续更新的参考书目。
• 从各类来源（包括期刊、会议和预印本）收集出版物，重点涵盖与优越化和扰动鲁棒性相关的研究。
• 不仅包括标题或摘要中出现“优越化”的文献，也包括正文中出现该术语的文献，例如在“优化与优越化”子章节中。
• 在可获取的情况下提供预印本或重印本的链接和可下载文件，以增强研究人员的可及性。
• 通过机构资助（ISF-NSFC 和 NIH）支持系统化的整理流程，以确保内容的全面性和可靠性。
• 每年约更新一次，最新版本（第7版，2023年3月）共包含166项条目。

实验结果

研究问题

• RQ1 当前关于迭代算法中优越化和扰动鲁棒性的研究处于何种状态？
• RQ2 如何通过引入能降低目标函数值但保持可行性不变的扰动来增强迭代算法？
• RQ3 与传统约束优化方法相比，优越化在关键应用和计算优势方面有何表现？
• RQ4 研究人员如何识别并为该主题不断增长的文献库做出贡献？
• RQ5 截至2023年，优越化研究的最新发展和趋势是什么？

主要发现

• 截至第七版（2023年3月），该参考书目共收录166篇经同行评审及相关科学出版物，涵盖优越化和扰动鲁棒性主题。
• 该方法已在图像重建、调强放射治疗和无损检测等实际应用领域成功应用。
• 通过向现有算法引入简单、低成本的扰动，优越化可在极低计算成本下提升解的质量。
• 该方法特别适用于可行性寻求算法，可使其在不改变核心收敛行为的前提下降低目标函数值。
• 该方法被公认为是投影梯度法、障碍法、惩罚法和正则化方法在约束优化中的通用替代方案。
• 参考书目包含自2007年起的基础性工作，关键里程碑包括2009年（Davidi, Herman, Censor）和2010年（Davidi的博士论文），并持续收录至2023年的最新出版物。