ACelerated COnvex OPTimization

Informations projet

ACCOPT

N° de convention de subvention: 788368

DOI 10.3030/788368

Date de signature de la CE 5 Juin 2018

Date de début 1 Septembre 2018

Date de fin 31 Août 2024

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total € 2 090 038,00

Contribution de l’UE € 2 090 038,00

Coordonné par

UNIVERSITE CATHOLIQUE DE LOUVAIN
Belgium

Publications

Peer reviewed articles (23)

On inexact solution of auxiliary problems in tensor methods for convex optimization

Auteurs: G.N. Grapiglia, Yu. Nesterov
Publié dans: Optimization Methods and Software, Numéro 36(1), 2021, Page(s) 145 - 170, ISSN 1055-6788
Éditeur: Taylor & Francis
DOI: 10.1080/10556788.2020.1731749

Tensor Methods for Minimizing Convex Functions with Hölder Continuous Higher-Order Derivatives

Auteurs: G. N. Grapiglia, Yu. Nesterov
Publié dans: SIAM Journal on Optimization, Numéro 30/4, 2020, Page(s) 2750-2779, ISSN 1052-6234
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/19m1259432

Superfast second-order methods for unconstrained convex optimization

Auteurs: Yurii Nesterov
Publié dans: Journal of Optimization Theory and Applications, Numéro 191, 2021, Page(s) 1-30, ISSN 0022-3239
Éditeur: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-021-01930-y

Inexact High-Order Proximal-Point Methods with Auxiliary Search Procedure

Auteurs: Yurii Nesterov
Publié dans: SIAM Journal of Optimization, Numéro 31(4), 2021, Page(s) 2807-2828, ISSN 1052-6234
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/20m134705x

Gradient methods with memory

Auteurs: Yurii Nesterov, Mihai I. Florea
Publié dans: Optimization Methods and Software, Numéro Online First, 2021, Page(s) 1-18, ISSN 1055-6788
Éditeur: Taylor & Francis
DOI: 10.1080/10556788.2020.1858831

Contracting Proximal Methods for Smooth Convex Optimization

Auteurs: Nikita Doikov, Yurii Nesterov
Publié dans: SIAM Journal on Optimization, Numéro 30/4, 2020, Page(s) 3146-3169, ISSN 1052-6234
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/19m130769x

Affine-invariant contracting-point methods for Convex Optimization

Auteurs: Nikita Doikov; Yurii Nesterov
Publié dans: Mathematical Programming, (2022), Numéro 198(1), 2023, Page(s) 115–137, ISSN 0025-5610
Éditeur: Springer Verlag
DOI: 10.1007/s10107-021-01761-9

Rates of superlinear convergence for classical quasi-Newton methods

Auteurs: Anton Rodomanov, Yurii Nesterov
Publié dans: Mathematical Programming, Numéro 188(3), 2021, Page(s) 744-769, ISSN 0025-5610
Éditeur: Springer Verlag
DOI: 10.1007/s10107-021-01622-5

Computation of the Analytic Center of the Solution Set of the Linear Matrix Inequality Arising in Continuous- and Discrete-Time Passivity Analysis

Auteurs: Daniel Bankmann, Volker Mehrmann, Yurii Nesterov, Paul Van Dooren
Publié dans: Vietnam Journal of Mathematics, Numéro 48, 2020, Page(s) 633–659, ISSN 2305-221X
Éditeur: Springer Science + Business Media
DOI: 10.1007/s10013-020-00427-x

New Results on Superlinear Convergence of Classical Quasi-Newton Methods

Auteurs: Anton Rodomanov, Yurii Nesterov
Publié dans: Journal of Optimization Theory and Applications, Numéro 188/3, 2021, Page(s) 744-769, ISSN 0022-3239
Éditeur: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-020-01805-8

Local convergence of tensor methods

Auteurs: Nikita Doikov, Yurii Nesterov
Publié dans: Mathematical Programming, Numéro Online First, 2021, ISSN 0025-5610
Éditeur: Springer Verlag
DOI: 10.1007/s10107-020-01606-x

Inexact basic tensor methods for some classes of convex optimization problems

Auteurs: Yurii Nesterov
Publié dans: Optimization Methods and Software, Numéro Online First, 2020, Page(s) 1-29, ISSN 1055-6788
Éditeur: Taylor & Francis
DOI: 10.1080/10556788.2020.1854252

Smoothness Parameter of Power of Euclidean Norm

Auteurs: Anton Rodomanov, Yurii Nesterov
Publié dans: Journal of Optimization Theory and Applications, 2020, ISSN 0022-3239
Éditeur: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-020-01653-6

Implementable tensor methods in unconstrained convex optimization

Auteurs: Yurii Nesterov
Publié dans: Mathematical Programming, 2019, ISSN 0025-5610
Éditeur: Springer Verlag
DOI: 10.1007/s10107-019-01449-1

On the Quality of First-Order Approximation of Functions with Hölder Continuous Gradient

Auteurs: Guillaume O. Berger, P.-A. Absil, Raphaël M. Jungers, Yurii Nesterov
Publié dans: Journal of Optimization Theory and Applications, Numéro 185(1), 2020, Page(s) 17-33, ISSN 0022-3239
Éditeur: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-020-01632-x

Tensor methods for finding approximate stationary points of convex functions

Auteurs: G.N. Grapiglia, Yu. Nesterov
Publié dans: Optimization Methods and Software, Numéro Online First, 2021, ISSN 1055-6788
Éditeur: Taylor & Francis
DOI: 10.1080/10556788.2020.1818082

Greedy Quasi-Newton Methods with Explicit Superlinear Convergence

Auteurs: Anton Rodomanov, Yurii Nesterov
Publié dans: SIAM Journal on Optimization, Numéro 31(1), 2021, Page(s) 785–811, ISSN 1052-6234
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/20m1320651

High-Order Optimization Methods for Fully Composite Problems

Auteurs: Nikita Doikov; Yurii Nesterov
Publié dans: SIAM Journal on Optimization, Numéro 32(3), 2022, Page(s) 2402-2427, ISSN 1052-6234
Éditeur: Society for Industrial and Applied Mathematics
DOI: 10.1137/21m1410063

Gradient regularization of Newton method with Bregman distances

Auteurs: Nikita Doikov; Yurii Nesterov
Publié dans: Mathematical Programming, Numéro Online First, 2023, ISSN 0025-5610
Éditeur: Springer Verlag
DOI: 10.1007/s10107-023-01943-7

Inexact accelerated high-order proximal-point methods

Auteurs: Yurii Nesterov
Publié dans: Mathematical Programming, Numéro 197, 2023, Page(s) 1-26, ISSN 0025-5610
Éditeur: Springer Verlag
DOI: 10.1007/s10107-021-01727-x

Minimizing Uniformly Convex Functions by Cubic Regularization of Newton Method

Auteurs: Nikita Doikov, Yurii Nesterov
Publié dans: Journal of Optimization Theory and Applications, Numéro 189, 2021, Page(s) 317-339, ISSN 0022-3239
Éditeur: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-021-01838-7

Subgradient ellipsoid method for nonsmooth convex problems

Auteurs: Anton Rodomanov; Yurii Nesterov
Publié dans: Mathematical Programming, Numéro 199, 2023, Page(s) 305-341, ISSN 0025-5610
Éditeur: Springer Verlag
DOI: 10.1007/s10107-022-01833-4

Set-Limited Functions and Polynomial-Time Interior-Point Methods

Auteurs: Nesterov Yurii
Publié dans: Journal of Optimization Theory and Applications, Numéro Online First, 2023, ISSN 0022-3239
Éditeur: Kluwer Academic/Plenum Publishers
DOI: 10.1007/s10957-023-02163-x

Other (1)

Complexity and Simplicity of Optimization Problems

Auteurs: Yurii Nesterov
Publié dans: The Project Repository Journal, Numéro 6, 2020, Page(s) 130-131, ISSN 2632-4067
Éditeur: European Dissemination Media

Conference proceedings (3)

Convex optimization based on global lower second-order models

Auteurs: Nikita Doikov, Yurii Nesterov
Publié dans: Advances in Neural Information Processing Systems (NeurIPS), Numéro 33, 2020, Page(s) 16546-16556
Éditeur: Neural Information Processing Systems

Inexact Tensor Methods with Dynamic Accuracies

Auteurs: Nikita Doikov, Yurii Nesterov
Publié dans: Proceedings of the 37th International Conference on Machine Learning (ICML), Numéro 119, 2020, Page(s) 2577-2586
Éditeur: ML Research Press

Stochastic Subspace Cubic Newton Method

Auteurs: Filip Hanzely, Nikita Doikov, Peter Richtárik, Yurii Nesterov
Publié dans: Proceedings of the 37th International Conference on Machine Learning, Numéro 119, 2020, Page(s) 4027-4038
Éditeur: ML Research Press

Non-peer reviewed articles (1)

Soft clustering by convex electoral model

Auteurs: Yurii Nesterov
Publié dans: Soft Computing, Numéro 24/23, 2020, Page(s) 17609-17620, ISSN 1432-7643
Éditeur: Springer Verlag
DOI: 10.1007/s00500-020-05148-4