A flexible framework for cubic regularization algorithms for non-convex optimization in function space

Titelangaben

Schiela, Anton:
A flexible framework for cubic regularization algorithms for non-convex optimization in function space.
Bayreuth , 2017 . - 28 S.

Volltext

	Format: PDF Name: SchielaGlobalizationFunctionSpace2017Preprint.pdf Version: Angenommene Version Verfügbar mit der Lizenz Deutsches Urheberrechtsgesetz. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt werden. Darüber hinaus bedürfen die Vervielfältigung, Bearbeitung, Verbreitung und jede Art der Verwertung der schriftlichen Zustimmung des jeweiligen Rechteinhabers.
	Download (346kB)

Abstract

We propose a cubic regularization algorithm that is constructed to deal with non-convex minimization problems in function space. It allows for a flexible choice of the regularization term and thus accounts for the fact that in such problems one often has to deal with more than one norm. Global and local convergence results are established in a general framework.