惩罚参数

DNA构象平衡能够不断更改o p m n b o -f -o s a

在这项工作中，我们研究了用于解决双重优化（BO）的第一阶算法，其中目标函数平滑但在两个级别上可能非凸，并且变量仅限于封闭的凸集集。作为第一个步骤，我们通过惩罚方法研究BO的景观，其中将上层和下层目标组合成具有惩罚参数σ> 0的加权总和。特别是，我们通过明确表征两者的值和衍生物必须为o（σ） - 可锁定的条件，从而建立了惩罚函数与超物体之间的牢固联系。我们分析的副产品是当低级问题在轻度的规律性条件下具有多个解决方案时，高目标梯度的明确公式，这可能具有独立的利益。接下来，将罚款公式视为原始BO的O（σ） - 对象，我们提出的第一阶算法通过使用σ= o（✏）优化惩罚公式，从而发现了✏殖民地解决方案。当扰动的低级问题均匀地满足小近端错误结合（EB）条件时，我们提出了一种第一阶算法，该算法将使用总计O（✏-7）访问者在惩罚函数的tone惩罚点上，以实现pocterient ockess-fimsterster-first forder-Forder-Forder-Forder-Forper-Storder-Storder-Storder-Storder-Storder-Sentchostical Oracles。在随机甲壳的额外假设下，我们表明该算法可以完全单循环的方式，即在迭代中使用O（1）样品，并实现O（✏-5）的改善的Oracle-complexity。