Un algoritmo que ajusta el tamaño del paso para ser autoadaptativo con un término inercial destinado a resolver problemas de inclusión variacional dividida y puntos fijos comunes
Autores: Ngwepe, Matlhatsi Dorah; Jolaoso, Lateef Olakunle; Aphane, Maggie; Adenekan, Ibrahim Oyeyemi
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Un algoritmo que ajusta el tamaño del paso para ser autoadaptativo con un término inercial destinado a resolver problemas de inclusión variacional dividida y puntos fijos comunes
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Artículo de investigación
Método inercial
Técnica autoadaptativa
Inclusión variacional dividida
Problemas de punto fijo
Teorema de convergencia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 36
Citaciones: Sin citaciones
En este artículo de investigación, presentamos un nuevo método inercial con una técnica autoadaptativa para resolver la inclusión variacional dividida y los problemas de punto fijo en espacios de Hilbert reales. El algoritmo está diseñado para elegir la opción óptima del término inercial en cada iteración, y el tamaño de paso se define de forma autoadaptativa sin una estimación previa de la constante de Lipschitz. Se demuestra un teorema de convergencia que es fuerte incluso bajo condiciones laxas y para mostrar la eficiencia y precisión del método sugerido. Se realizan algunas pruebas numéricas. Además, se demuestra la importancia del método propuesto a través de su aplicación a un problema de reconstrucción de imágenes.
Descripción
En este artículo de investigación, presentamos un nuevo método inercial con una técnica autoadaptativa para resolver la inclusión variacional dividida y los problemas de punto fijo en espacios de Hilbert reales. El algoritmo está diseñado para elegir la opción óptima del término inercial en cada iteración, y el tamaño de paso se define de forma autoadaptativa sin una estimación previa de la constante de Lipschitz. Se demuestra un teorema de convergencia que es fuerte incluso bajo condiciones laxas y para mostrar la eficiencia y precisión del método sugerido. Se realizan algunas pruebas numéricas. Además, se demuestra la importancia del método propuesto a través de su aplicación a un problema de reconstrucción de imágenes.