论文部分内容阅读
本文主要利用Performance Estimation框架研究求解单调变分不等式问题的松弛临近点算法在遍历意义下的最优次线性收敛率。我们利用Performance Es-timation框架得到了临近点算法的一个精确的worst case界。根据数值实验可以观察到,随着迭代步数的增大,数值结果中的界渐进地收敛于已知的理论边界。通过构造了一个具体的例子,得到了次线性收敛率的下界。巧合的是,这个例子所提供的下界刚好等于数值上计算出来的worst case界。最后,我们从理论上证明了该下界即为精确的worst case界,从而得到了临近点算法在遍历意义下的最优次线性收敛率。