Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 2 olvasói szavazat alapján történt.
Convex Optimization: Algorithms and Complexity
Ez a monográfia a konvex optimalizálás főbb komplexitási tételeit és a hozzájuk tartozó algoritmusokat mutatja be. A fekete dobozos optimalizálás alapvető elméletével kezdődik, majd végigvezeti az olvasót a strukturális optimalizálás és a sztochasztikus optimalizálás legújabb eredményein.
A fekete dobozos optimalizálás bemutatása, amelyre nagy hatással van Nesterov korszakalkotó könyve, magában foglalja a vágási sík módszerek, valamint a (gyorsított) gradiens süllyedéses sémák elemzését. Különös figyelmet kapnak a nem euklideszi beállítások is (a releváns algoritmusok közé tartozik a Frank-Wolfe, a tükörsüllyedés és a duális átlagolás), valamint a gépi tanulásban betöltött jelentőségük tárgyalása. A szöveg gyengéd bevezetést nyújt a strukturális optimalizálásba a FISTA (egy sima és egy egyszerű nem sima kifejezés összegének optimalizálására), a nyeregponti tükörlejtés prox (Nemirovski alternatívája a Nesterov-féle simításnak), valamint a belsőpontos módszerek tömör leírását.
A sztochasztikus optimalizálásban tárgyalja a sztochasztikus gradiensleereszkedést, a miniatűröket, a véletlenszerű koordináta-leereszkedést és a szublineáris algoritmusokat. Röviden kitér továbbá a kombinatorikai problémák konvex relaxációjára és a véletlenszerűség felhasználására a megoldások kerekítéséhez, valamint a véletlen sétákon alapuló módszerekre.