Descent algorithm for nonsmooth stochastic multiobjective optimization

Abstract : An algorithm for solving the expectation formulation of stochastic nonsmooth multiobjective optimization problems is proposed. The proposed method is an extension of the classical stochastic gradient algorithm to multi-objective optimization using the properties of a common descent vector defined 10 in the deterministic context. The mean square and the almost sure convergence of the algorithm are proven. The algorithm efficiency is illustrated and assessed on an academic example.
Type de document :
Article dans une revue
Computational Optimization and Applications, Springer Verlag, 2017, 68 (2), pp.317-331. 〈10.1007/s10589-017-9921-x〉
Liste complète des métadonnées

Littérature citée [15 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01660788
Contributeur : Jean-Antoine Désidéri <>
Soumis le : lundi 11 décembre 2017 - 13:39:30
Dernière modification le : samedi 10 février 2018 - 18:40:04

Fichier

articlePQD-COAP.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Fabrice Poirion, Quentin Mercier, Jean-Antoine Desideri. Descent algorithm for nonsmooth stochastic multiobjective optimization. Computational Optimization and Applications, Springer Verlag, 2017, 68 (2), pp.317-331. 〈10.1007/s10589-017-9921-x〉. 〈hal-01660788〉

Partager

Métriques

Consultations de la notice

320

Téléchargements de fichiers

55