摘要
可分非凸优化问题广泛存在于机器学习、信号处理、图像处理等领域，对其求解是当前优化领域的研究热点之一。
邻近交替极小化方法作为一种求解非凸优化问题的有效方法，近年来得到了广泛关注和研究。
本文首先介绍了可分非凸优化问题和邻近交替极小化方法的基本概念，然后从算法设计、收敛性分析、参数选择和应用领域等方面对近年来求解两块可分非凸优化问题的邻近交替极小化方法进行了综述，并对现有方法的优缺点进行了比较分析。
最后，对该研究方向的未来发展趋势进行了展望。
关键词：可分非凸优化；邻近交替极小化；交替方向乘子法；收敛性分析；参数选择
近年来，随着机器学习、人工智能等领域的快速发展，非凸优化问题越来越受到关注。
特别地，很多实际问题可以被建模为两块可分非凸优化问题，例如矩阵分解、图像处理、压缩感知等。
这类问题通常具有如下形式：
$min_{x,y}f(x) g(y),s.t.Ax By=c$,
其中$xinmathbb{R}^n$和$yinmathbb{R}^m$是优化变量，$f(x)$和$g(y)$是非凸函数，$Ainmathbb{R}^{p imesn}$，$Binmathbb{R}^{p imesm}$和$cinmathbb{R}^p$是已知矩阵和向量。
由于非凸性和可分结构的存在，求解这类问题非常困难。
邻近交替极小化方法作为一种求解非凸优化问题的有效方法，近年来得到了广泛关注和研究。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
