Taux de convergence des méthodes du premier ordre d’éclatement d’opérateurs
Auteur / Autrice : | Jingwei Liang |
Direction : | Jalal Fadili, Gabriel Peyré |
Type : | Thèse de doctorat |
Discipline(s) : | Mathématiques |
Date : | Soutenance en 2016 |
Etablissement(s) : | Caen |
Ecole(s) doctorale(s) : | École doctorale structures, informations, matière et matériaux (Caen1992-2016) |
Partenaire(s) de recherche : | Laboratoire : Groupe de recherche en informatique, image, automatique et instrumentation de Caen (1995-....) |
autre partenaire : Normandie Université (2015-....) | |
Jury : | Président / Présidente : Hedy Attouch |
Examinateurs / Examinatrices : Jalal Fadili, Gabriel Peyré, Hedy Attouch, Adrian S. Lewis, Marc Teboulle, Antonin Chambolle, Russel Luke, Jérôme Malick | |
Rapporteurs / Rapporteuses : Adrian S. Lewis, Marc Teboulle |
Mots clés
Résumé
Ce manuscrit traite de l’analyse de convergence des méthodes du premier ordre d’éclatement d’opérateurs qui sont omniprésents en optimisation non-lisse moderne. Il consiste en trois avancées théoriques principales sur la caractérisation des cette classe de méthodes, à savoir: leur taux de convergence globaux, de nouveaux schémas d’éclatement et une analyse de leur convergence linéaire locale. Dans un premier temps, nous proposons des taux de convergence globaux (sous-linéaires) et locaux (linéaire) pour l’itération de Krasnosel’ski˘ı-Mann inexacte, et ses applications à un large éventail de schémas d’éclatement d’opérateurs monotones. Ensuite, nous mettons au point deux algorithmes inertiels multi-pas d’éclatement d’opérateurs, pour le cas convexe et non-convexe, et établissons leurs garanties de convergence sur les itérées. Finalement, on s’appuyant sur le concept clé de la régularité partielle, nous présentons une analyse unifiée et précise de la convergence linéaire locale pour les méthodes d’optimisation proximales du premier ordre. Nous montrons que pour tous ces algorithmes, sous des conditions de non-dégénérescence appropriées, les itérées qu’ils génèrent (i) identifie les variétés actives de régularité partielle en temps finis, et ensuite (ii) entre dans un régime de convergence linéaire locale. Les taux de convergence linéaire sont caractérisés précisément, notamment en mettant en jeu la structure du problème d’optimisation, celle du schéma proximal, et la géométrie des variétés actives identifiées. Ces résultats théoriques sont systématiquement illustrés sur des applications issues des problèmes inverses, du traitement du signal et des images et de l’apprentissage.