近端梯度下降算法(Proximal Gradient Algorithm)

摘要：介绍梯度下降算法，以及在$f(x)$的梯度$▽f(x)$满足L-Lipschitz条件下的梯度下降算法的意义，并由此展开的非光滑约束下的近端梯度下降算法，求解${\min }_x{f}^s(x)+f^n(x)$问题.

目录

1. 梯度下降算法
2. 二阶近似下的梯度下降算法
3. 引入非光滑约束后的近端梯度下降
4. 三个近端梯度下降计算非光滑约束优化的例子

---

1. 梯度下降

考虑${\min }_{x}f(x)$，其中$f(x)$为可微凸函数，且其梯度$▽f(x)$满足L-Lipschitz条件.
最简单的优化方法为梯度下降法(Gradient descent)

$$x^{(k+1)}=x^{(k)}?\eta ▽f(x^{(k)})$$

将$f(x)$在$x=x^{(k+1)}$的值，在$x^{(k)}$处做Taylor展开，得到

$$\begin{array}{rl}f(x^{(k+1)})& =f(x^{(k)})+▽f(x^{(k)})(x^{(k+1)}?x^{(k)})\\ & =f(x^{(k)})?\eta {\left(▽f(x^{(k)})\right)}^2\\ & \le f(x^{(k)})\end{array}$$

步长参数$0<\eta <1$，则每一次迭代总能保证$f(x^{(k+1)})\le f(x^{(k)})$.

---

2. 梯度$▽f(x)$满足L-Lipschitz条件下的梯度下降

首先给出L-Lipschitz定义：

设函数$f(x)$在有限区间$[a,b]$上满足如下条件：

• 当$x\in [a,b]$时，$f(x)\in [a,b]$，即$a\le f(x)\le b$；
• 对任意的$x_1，x_2\in [a,b]$，$|f(x_1)?f(x_2)|\le L|x_1?x_2|$恒成立；

则称$f(x)$在$[a,b]$上满足L-Lipschitz条件，$L$称为Lipschitz常数.

可以发现，L-Lipschitz连续比一致连续更强，要求函数值在有限区间的变化幅度受到限制.

进一步的，如果函数$f(x)$的梯度$▽f(x)$满足L-Lipschitz连续，则其在给定点$x^{(k)}$可以展开成如下二阶近似形式

$$\hat{f}(x;x^{(k)})?f(x^{(k)})+<▽f(x^{(k)},x?x^{(k)})>+\frac{L}{2}||x?x^{(k)}|{|}^2$$

展开，并将与$x$无关的项记为$?(x^{(k)})$，则可以进一步化简为

$$\hat{f}(x;x^{(k)})=\frac{L}{2}\left|\right|x?\left(x^{(k)}?\frac{1}{L}▽f(x^{(k)})\right)|{|}^2+?(x^{(k)})$$

由图可知

$$\hat{f}(x;x^{(k)})\ge f(x)$$

当且仅当$x=x^{(k)}$时，取等号. $\hat{f}(x;x^{(k)})$实际上为原目标函数的二次上界.

令$x^{(k+1)}=\arg {\min }_x\hat{f}(x;x^{(k)})$，则可以得到

$$x^{(k+1)}=x^{(k)}?\frac{1}{L}▽f(x^{(k)})$$

因此，在二阶近似的条件下，梯度下降可以理解为：

• 每一次迭代都在最小化目标函数在上一次迭代点处的二次上界.

收敛速度为$O(\frac{1}{k})$.

---

3. 引入非光滑约束后的近端梯度下降算法

考虑${\min }_x{f}^s(x)+f^n(x)$，其中$f^s(x)$为可微凸函数，且其梯度$▽f^s(x)$满足L-Lipschitz条件，$f^n(x)$为非光滑函数.
对光滑部分做如上二阶近似，得到

$$\hat{f}(x;x^{(k)})=\frac{L}{2}\left|\right|x?\left(x^{(k)}?\frac{1}{L}▽f^s(x^{(k)})\right)|{|}^2+?(x^{(k)})+f^n(x)$$

令$x^{(k+1)}=\arg {\min }_x\hat{f}(x;x^{(k)})$，则可以得到近端梯度下降的更新公式

$$x^{(k+1)}=\arg \underset{x}{\min }\frac{L}{2}\left|\right|x?\left(x^{(k)}?\frac{1}{L}▽f^s(x^{(k)})\right)|{|}^2+f^n(x)$$

而该更新公式可以通过如下近端问题高效求解：

$$pro{x}_{\mu f^n(x)}(z)=\arg \underset{x}{\min }\frac{1}{2}||x?z|{|}^2+\mu f^n(x)$$

即最小化$\mu f^n(x)$加上一个独立的二次问题. 此时的收敛速率仍为$O(\frac{1}{k})$.

---

4. 三个近端梯度下降计算非光滑约束优化的例子

例1：

凸稀疏罚函数$f^n(x)=||x|{|}_1$，此时得到的近端优化问题为
$$\arg \underset{x}{\min }\frac{1}{2}||x?z|{|}^2+\mu ||x|{|}_1$$
求解得到$z$的软阈值函数
proxμfn(x)(z)=Sμ(z)=sign(z)max?{∣z∣?μ,0}prox_{\mu f^n(x)}(z)=S_\mu(z)=sign(z)\max\left\{|z|-\mu,0\right\}proxμfn(x)?(z)=Sμ?(z)=sign(z)max{ ∣z∣?μ,0}
此时的该操作符能够将$z$的所有元素向$0$压缩，而且计算仅需线性时间.

例2：

取$f^n(x)=||x|{|}_0$，则得到$z$的硬阈值函数
$$pro{x}_{\mu f^n(x)}(z)=H_{\mu }(z)=\{\begin{array}{l}z|z|\ge \mu \\ 0otherwise\end{array}$$

例3：

取$f^n(x)={\sum }_i{I}_{\infty }[x_i\le 0]$，则得到ReLU网的非线性变换
proxμfn(x)(z)=Rec(z)=max?{z,0}prox_{\mu f^n(x)}(z)=Rec(z)=\max\left\{z,0\right\}proxμfn(x)?(z)=Rec(z)=max{ z,0}