Журнал вычислительной математики и математической физики, 2023, T. 63, № 4, стр. 548-556
Улучшенная оценка точности метода Тихонова для некорректных экстремальных задач в гильбертовом пространстве
1 Марийский гос. ун-т
424000 Йошкар-Ола, пл. Ленина, 1, Россия
* E-mail: kokurin@nextmail.ru
Поступила в редакцию 18.08.2022
После доработки 21.09.2022
Принята к публикации 15.12.2022
- EDN: IPHNWS
- DOI: 10.31857/S0044466923040117
Аннотация
Изучается метод Тихонова в применении к некорректным задачам минимизации гладкого невыпуклого функционала. При условии истокопредставимости искомого решения получена оценка точности метода Тихонова в терминах параметра регуляризации, ранее известная только при условии выпуклости минимизируемого функционала или при наложении структурного условия на его нелинейность. Также получена новая оценка точности метода Тихонова в случае приближенно заданного функционала. Библ. 10.
1. ВВЕДЕНИЕ
Изучается задача минимизации
нелинейного функционала $J:H \to \mathbb{R}$ на вещественном гильбертовом пространстве $H$. Эта задача заключается в нахождении точки $x{\kern 1pt} * \in H$, доставляющей глобальный минимум функционалу $J$. Существование решения $x{\kern 1pt} *$ ниже предполагается. Потребуем, чтобы функционал $J$ был дважды непрерывно дифференцируем по Фреше и его вторая производная Фреше удовлетворяла условию Липшица(2)
${{\left\| {J{\kern 1pt} '{\kern 1pt} '(x) - J{\kern 1pt} '{\kern 1pt} '(y)} \right\|}_{{L(H)}}} \leqslant \Lambda \left\| {x - y} \right\|,\quad x,y \in H,$(3)
$\left\| {J{\kern 1pt} '(x + h) - J{\kern 1pt} '{\kern 1pt} (x) - J{\kern 1pt} '{\kern 1pt} '{\kern 1pt} (x)h} \right\| \leqslant \frac{1}{2}\Lambda {{\left\| h \right\|}^{2}},\quad h \in H;$(4)
$\left| {J(x + h) - J(x) - (J{\kern 1pt} '{\kern 1pt} (x),h) - \frac{1}{2}(J{\kern 1pt} '{\kern 1pt} '{\kern 1pt} (x)h,h)} \right| \leqslant \frac{1}{6}\Lambda {{\left\| h \right\|}^{3}},\quad h \in H,$Задача оптимизации (1) в общем случае является некорректной [2]. Это означает, что она не может быть решена классическими методами минимизации: даже если с их помощью получена минимизирующая последовательность $\{ {{x}_{n}}\} \subset H$, такая что $\mathop {\lim }\limits_{n \to \infty } J({{x}_{n}}) = J(x{\kern 1pt} *)$, эта последовательность не обязательно сходится к искомому решению $x{\kern 1pt} *$ в норме $H$. Для решения некорректных экстремальных задач используются методы регуляризации, такие как метод Тихонова и методы итеративной регуляризации [2, гл. 2]. В случае точно заданного функционала $J$ метод Тихонова заключается в минимизации регуляризованного функционала
(5)
$\mathop {\inf }\limits_{x \in H} {{T}_{\alpha }}(x) \leqslant {{T}_{\alpha }}({{x}_{{\alpha ,\varepsilon }}}) \leqslant \mathop {\inf }\limits_{x \in H} {{T}_{\alpha }}(x) + \varepsilon .$Оценки точности метода Тихонова и других методов регуляризации устанавливаются обычно при некоторых дополнительных условиях на искомое решение $x{\kern 1pt} *$. Мы будем предполагать, что выполнено условие истокопредставимости
(6)
$\exists w \in H:x{\kern 1pt} *\; - \xi = J{\kern 1pt} '{\kern 1pt} '{\kern 1pt} (x{\kern 1pt} *)w$(7)
$(J{\kern 1pt} '{\kern 1pt} '{\kern 1pt} (x{\kern 1pt} *\; + h) - J{\kern 1pt} '{\kern 1pt} '{\kern 1pt} (x{\kern 1pt} *))w = J{\kern 1pt} '{\kern 1pt} '{\kern 1pt} (x{\kern 1pt} *)k(h,w).$Изучается также случай, когда вместо точного функционала $J$ в методе Тихонова используется его приближение ${{J}_{\delta }}$. В подобных исследованиях обычно предполагается, что функционалы ${{J}_{\delta }}$ и $J$ связаны соотношением
(8)
$\left| {{{J}_{\delta }}(x) - J(x)} \right| \leqslant \delta \left( {1 + \frac{1}{2}{{{\left\| {x - \xi } \right\|}}^{2}}} \right),\quad x \in H,$(9)
${\text{|}}{\kern 1pt} {\text{|}}{\kern 1pt} J_{\delta }^{'}(x) - J{\kern 1pt} '(x){\kern 1pt} {\text{|}}{\kern 1pt} {\text{|}} \leqslant \delta (1 + \left\| {x - \xi } \right\|{\kern 1pt} ),\quad x \in H.$Оценки точности метода Тихонова и вычислительных алгоритмов на его основе в применении к задачам в банаховых пространствах приведены, например, в [8–10]. В этих исследованиях функционал $J$ имеет специальный вид $J(x) = {{\left\| {F(x)} \right\|}^{r}}$, $r > 1$, с наложением дополнительных структурных условий на нелинейность оператора $F$.
2. ВСПОМОГАТЕЛЬНЫЕ ПОСТРОЕНИЯ
Пусть функционал $J$ на гильбертовом пространстве $H$ имеет точку глобального минимума $x{\kern 1pt} *$, причем выполнены условие гладкости (2) и условие истокопредставимости (6). Пусть вместо $J$ известен приближенный функционал ${{J}_{\delta }}$ и для него справедливо соотношение (9). Рассмотрим функционал
Метод Тихонова в применении к задаче (1) заключается в нахождении точки $\tilde {x} = {{\tilde {x}}_{{\alpha ,\varepsilon ,\delta }}} \in H$, такой что(10)
$\mathop {\inf }\limits_{x \in H} {{T}_{{\alpha ,\delta }}}(x) \leqslant {{T}_{{\alpha ,\delta }}}(\tilde {x}) \leqslant \mathop {\inf }\limits_{x \in H} {{T}_{{\alpha ,\delta }}}(x) + \varepsilon $Из (10) следует, что для произвольного элемента $z \in H$ справедливо неравенство
(11)
$\, \leqslant J(z) + \delta \left( {1 + \mathop {\max }\limits_{t \in [0,1]} \left\| {\tilde {x} + t(z - \tilde {x}) - \xi } \right\|} \right)\left\| {z - \tilde {x}} \right\| + \alpha {{\left\| {z - \xi } \right\|}^{2}} + \varepsilon = $Следуя [6], для оценки величины $\left\| {\tilde {x} - \xi } \right\|$ запишем неравенство (11) с $z = x{\kern 1pt} *$:
(12)
$\begin{gathered} {{\left\| {\tilde {x} - \xi } \right\|}^{2}} \leqslant {{\left\| {x{\kern 1pt} *\; - \xi } \right\|}^{2}} + \frac{\delta }{\alpha }(1 + \left\| {\tilde {x} - \xi } \right\| + \left\| {x{\kern 1pt} *\; - \xi } \right\|{\kern 1pt} )({\kern 1pt} \left\| {\tilde {x} - \xi } \right\| + \left\| {x{\kern 1pt} *\; - \xi } \right\|{\kern 1pt} ) + \frac{\varepsilon }{\alpha }; \\ \left\| {\tilde {x} - \xi } \right\|\left( {\left( {1 - \frac{\delta }{\alpha }} \right)\left\| {\tilde {x} - \xi } \right\| - \frac{\delta }{\alpha }(1 + 2\left\| {x{\kern 1pt} *\; - \xi } \right\|{\kern 1pt} )} \right) \leqslant {{\left\| {x{\kern 1pt} *\; - \xi } \right\|}^{2}} + \frac{\delta }{\alpha }(1 + \left\| {x{\kern 1pt} *\; - \xi } \right\|{\kern 1pt} )\left\| {x{\kern 1pt} *\; - \xi } \right\| + \frac{\varepsilon }{\alpha }. \\ \end{gathered} $Потребуем, чтобы выполнялись соотношения
(13)
$\mathop {\lim }\limits_{\delta \to 0} \alpha (\delta ) = \mathop {\lim }\limits_{\delta \to 0} \frac{\delta }{{\alpha (\delta )}} = 0,\quad \varepsilon (\delta ) = O({{\alpha }^{4}}(\delta ))\quad (\delta \to 0).$(14)
$\forall \delta \in (0,{{\delta }_{0}}],\quad \alpha (\delta ) \leqslant 1,\quad \frac{\delta }{{\alpha (\delta )}} \leqslant \frac{1}{2}.$Заметим, что в случае, если выполнено неравенство
(15)
$\left\| {\tilde {x} - \xi } \right\| \geqslant 2 + 4\left\| {x{\kern 1pt} *\; - \xi } \right\|,$(16)
$\left\| {\tilde {x} - \xi } \right\| \leqslant {{C}_{1}},\quad \delta \in (0,{{\delta }_{0}}].$Поясним смысл сделанного вывода. Здесь и далее мы считаем фиксированными функционал J, константу $\Lambda $, элементы $\xi $ и $w$, зависимости $\alpha = \alpha (\delta )$ и $\varepsilon = \varepsilon (\delta )$ (точный вид этих зависимостей будет указан позже). Через ${{C}_{1}},\;{{C}_{2}},\; \ldots $ мы будем обозначать константы, не зависящие от $\delta $ и ${{J}_{\delta }}$ – в частности, это значит, что они не зависят также от $\alpha $ и $\varepsilon $, хотя могут различаться для разных функционалов $J$ или при разном выборе точки $\xi $. Мы доказали оценку (16) в предположении (15), однако легко видеть, что она справедлива и без этого предположения, поскольку правая часть (15) является константой в указанном выше смысле. Оценка (16) означает, что при любом выборе $\delta \in (0,{{\delta }_{0}}]$ и функционала ${{J}_{\delta }}$, удовлетворяющего неравенству (9), соответствующая точка $\tilde {x}$, определяемая соотношениями (10), не может покидать некоторого круга.
В силу (11) и (16), для произвольного элемента $z \in H$ справедливо
(17)
$\begin{gathered} J(\widetilde x) + \alpha {{\left\| {\tilde {x} - \xi } \right\|}^{2}} \leqslant J(z) + \alpha {{\left\| {z - \xi } \right\|}^{2}} + \delta ({{C}_{2}} + \left\| {z - \xi } \right\|{\kern 1pt} )\left\| {z - \tilde {x}} \right\| + \varepsilon ; \\ {{\left\| {\tilde {x} - \xi } \right\|}^{2}} - {{\left\| {z - \xi } \right\|}^{2}} \leqslant \frac{1}{\alpha }(J(z) - J(\widetilde x)) + \frac{\delta }{\alpha }({{C}_{2}} + \left\| {z - \xi } \right\|{\kern 1pt} )\left\| {z - \tilde {x}} \right\| + \frac{\varepsilon }{\alpha }. \\ \end{gathered} $(18)
$\begin{gathered} {{\left\| {\tilde {x} - x{\kern 1pt} *} \right\|}^{2}} \leqslant \frac{1}{\alpha }(J(z) - J(\tilde {x})) + 2(x{\kern 1pt} *\; - \xi ,z - \tilde {x}) + {{\left\| {z - x{\kern 1pt} *} \right\|}^{2}} + \frac{\delta }{\alpha }({{C}_{2}} + \left\| {z - \xi } \right\|{\kern 1pt} )\left\| {z - \tilde {x}} \right\| + \frac{\varepsilon }{\alpha } = \\ \, = \frac{1}{\alpha }(J(z) - J(\tilde {x})) + 2(J{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)w,z - x{\kern 1pt} *) + 2(J{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)w,x{\kern 1pt} *\; - \tilde {x}) + {{\left\| {z - x{\kern 1pt} *} \right\|}^{2}} + \\ \, + \frac{\delta }{\alpha }({{C}_{2}} + \left\| {z - \xi } \right\|{\kern 1pt} )\left\| {z - \tilde {x}} \right\| + \frac{\varepsilon }{\alpha }. \\ \end{gathered} $(19)
$J{\kern 1pt} '(\tilde {x}) = J{\kern 1pt} '(x{\kern 1pt} *) + J{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)(\tilde {x} - x{\kern 1pt} *) + {{S}_{1}},\quad \left\| {{{S}_{1}}} \right\| \leqslant \frac{1}{2}\Lambda {{\left\| {\tilde {x} - x{\kern 1pt} *} \right\|}^{2}}.$(20)
$\begin{gathered} {{\left\| {\tilde {x} - x{\kern 1pt} *} \right\|}^{2}} \leqslant \frac{1}{\alpha }(J(z) - J(\tilde {x})) + 2(J{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)w,z - x{\kern 1pt} *) + 2(w,{{S}_{1}}) - 2(w,J{\kern 1pt} '(\tilde {x})) + \\ \, + {{\left\| {z - x{\kern 1pt} *} \right\|}^{2}} + \frac{\delta }{\alpha }({{C}_{2}} + \left\| {z - \xi } \right\|)\left\| {z - \tilde {x}} \right\| + \frac{\varepsilon }{\alpha }. \\ \end{gathered} $Докажем, что элемент $J{\kern 1pt} '(\tilde {x})$ в (20) допускает следующее представление.
Лемма 1. Пусть выполнены соотношения (2), (9), (10), (13). Тогда справедливо представление
(21)
$J{\kern 1pt} '(\tilde {x}) = - 2\alpha (\tilde {x} - \xi ) + {{S}_{2}},\quad \left\| {{{S}_{2}}} \right\| \leqslant {{C}_{3}}(\sqrt \varepsilon + \delta ).$Доказательство. Запишем неравенство (17) в виде
(22)
${{T}_{\alpha }}(\tilde {x}) \leqslant {{T}_{\alpha }}(z) + \delta ({{C}_{2}} + \left\| {z - \xi } \right\|{\kern 1pt} )\left\| {z - \tilde {x}} \right\| + \varepsilon .$(23)
$\sigma {\kern 1pt} {\text{|}}{\kern 1pt} {\text{|}}T_{\alpha }^{'}(\tilde {x}){\kern 1pt} {\text{|}}{\kern 1pt} {\text{|}}{\kern 1pt} ({\kern 1pt} {\text{|}}{\kern 1pt} {\text{|}}T_{\alpha }^{'}(\tilde {x}){\kern 1pt} {\text{|}}{\kern 1pt} {\text{|}} - {{C}_{4}}\delta ) \leqslant {{C}_{7}}{\kern 1pt} {\text{|}}{\kern 1pt} {\text{|}}T_{\alpha }^{'}(\tilde {x}){\kern 1pt} {\text{|}}{\kern 1pt} {{{\text{|}}}^{2}}{{\sigma }^{2}}(1 + \sigma ) + \varepsilon .$Если выполнено неравенство
(24)
${\text{|}}{\kern 1pt} {\text{|}}T_{\alpha }^{'}(\tilde {x}){\kern 1pt} {\text{|}}{\kern 1pt} {\text{|}} \geqslant 2{{C}_{4}}\delta ,$Подставим теперь полученное представление (21) в (20). Тогда с использованием (19) и (6) получаем
(26)
${{\left\| {\tilde {x} - x{\kern 1pt} *} \right\|}^{2}} \leqslant \frac{{{{C}_{8}}}}{\alpha }(J(x{\kern 1pt} * - 2\alpha w) - J(\tilde {x})) + {{C}_{9}}\left( {{{\alpha }^{2}} + \delta + \left( {\alpha + \frac{\delta }{\alpha }} \right)\left\| {\tilde {x} - x{\kern 1pt} *} \right\|} \right).$Оценим величину $J(x{\kern 1pt} *\; - 2\alpha w) - J(\tilde {x})$ в (26). Справедлива
Лемма 2. Пусть выполнены соотношения (2), (6), (9), (10), (13). Тогда справедлива оценка
(27)
$J(x{\kern 1pt} *\; - 2\alpha w) - J(\tilde {x}) \leqslant {{C}_{{10}}}\alpha ({{\alpha }^{2}} + \delta + \alpha \left\| {\tilde {x} - x{\kern 1pt} *} \right\|{\kern 1pt} ).$Доказательство. С использованием соотношения (4) получаем
(28)
$\begin{gathered} J(x{\kern 1pt} *\; - 2\alpha w) - J(\tilde {x}) = (J(x{\kern 1pt} *\; - 2\alpha w) - J(x{\kern 1pt} *)) + (J(x{\kern 1pt} *) - J(\tilde {x})) \leqslant \\ \leqslant (J{\kern 1pt} '{\kern 1pt} (x{\kern 1pt} *), - 2\alpha w) + \frac{1}{2}(J{\kern 1pt} '{\kern 1pt} '{\kern 1pt} (x{\kern 1pt} *)( - 2\alpha w), - 2\alpha w) + \frac{1}{6}\Lambda {{(2\alpha \left\| w \right\|{\kern 1pt} )}^{3}} + (J(x{\kern 1pt} *) - J(\tilde {x})) \leqslant \\ \, \leqslant 2{{\alpha }^{2}}(J{\kern 1pt} '{\kern 1pt} '{\kern 1pt} (x{\kern 1pt} *)w,w) + (J(x{\kern 1pt} *) - J(\tilde {x})) + {{C}_{{11}}}{{\alpha }^{3}}. \\ \end{gathered} $(29)
$\begin{gathered} J(x{\kern 1pt} *\; - 2\alpha w) - J(\tilde {x}) \leqslant 2{{\alpha }^{2}}(J{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)w,w) + 4{{\alpha }^{2}}\left( {x{\kern 1pt} *\; - \xi ,\left( { - B + \frac{1}{2}BJ{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)B} \right)(x{\kern 1pt} *\; - \xi )} \right) + \\ \, + {{C}_{{16}}}\alpha \left( {{{\alpha }^{2}} + \delta + \alpha \left\| {\tilde {x} - x{\kern 1pt} *} \right\|} \right) = 2{{\alpha }^{2}}\Delta + {{C}_{{16}}}\alpha \left( {{{\alpha }^{2}} + \delta + \alpha \left\| {\tilde {x} - x{\kern 1pt} *} \right\|} \right), \\ \end{gathered} $(30)
$\begin{gathered} \, + 2\left( {J{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)w,\left( { - B + \frac{1}{2}BJ{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)B} \right)J{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)w} \right) = (J{\kern 1pt} '{\kern 1pt} '{{(x{\kern 1pt} *)}^{{1/2}}}w,(E - 2J{\kern 1pt} '{\kern 1pt} '{{(x{\kern 1pt} *)}^{{1/2}}}BJ{\kern 1pt} '{\kern 1pt} '{{(x{\kern 1pt} *)}^{{1/2}}} + \\ + \;J{\kern 1pt} '{\kern 1pt} '{{(x{\kern 1pt} *)}^{{1/2}}}BJ{\kern 1pt} '{\kern 1pt} '(x{\kern 1pt} *)BJ{\kern 1pt} '{\kern 1pt} '{{(x{\kern 1pt} *)}^{{1/2}}})J{\kern 1pt} '{\kern 1pt} '{{(x{\kern 1pt} *)}^{{1/2}}}w) = \left( {J{\kern 1pt} '{\kern 1pt} '{{{(x{\kern 1pt} *)}}^{{1/2}}}w,{{{\left( {E - J{\kern 1pt} '{\kern 1pt} '{{{(x{\kern 1pt} *)}}^{{1/2}}}BJ{\kern 1pt} '{\kern 1pt} '{{{(x{\kern 1pt} *)}}^{{1/2}}}} \right)}}^{2}}J{\kern 1pt} '{\kern 1pt} '{{{(x{\kern 1pt} *)}}^{{1/2}}}w} \right) = \\ \end{gathered} $Если $x{\kern 1pt} * = \xi $, то условие (6), а значит, и все дальнейшие выводы из него, справедливы с $w{{ = 0}_{H}}$, поэтому $\Delta = 0$ в (30). Предположим, что $x{\kern 1pt} * \ne \xi $. Отметим, что все последние рассуждения справедливы для любого самосопряженного оператора $B \in L(H)$. Подберем его теперь так, чтобы $B(x{\kern 1pt} *\; - \xi ) = w$, что опять же влечет $\Delta = 0$ в (30). Если $(x{\kern 1pt} *\; - \xi ,w) \ne 0$, то подходит оператор $B$, заданный формулой $Bx = \frac{{(x,w)}}{{(x{\kern 1pt} *\; - \xi ,w)}}w$, а если $(x{\kern 1pt} *\; - \xi ,w) = 0$ – то заданный формулой
$Bx = x - \frac{{(x,x{\kern 1pt} *\; - \xi - w)}}{{{{{\left\| {x{\kern 1pt} *\; - \xi } \right\|}}^{2}}}}(x{\kern 1pt} *\; - \xi - w)$.
Теперь из (29) следует оценка (27). Лемма доказана.
3. ОЦЕНКА ТОЧНОСТИ МЕТОДА ТИХОНОВА
Перейдем теперь к получению искомой оценки точности метода Тихонова. Подставим (27) в (26):
(31)
${{\left\| {\tilde {x} - x{\kern 1pt} *} \right\|}^{2}} \leqslant {{C}_{{17}}}\left( {{{\alpha }^{2}} + \delta + \left( {\alpha + \frac{\delta }{\alpha }} \right)\left\| {\tilde {x} - x{\kern 1pt} *} \right\|} \right).$(32)
${{\left\| {\tilde {x} - x{\kern 1pt} *} \right\|}^{2}} \leqslant {{C}_{{18}}}\left( {{{\alpha }^{2}} + \delta + \frac{{{{\delta }^{2}}}}{{{{\alpha }^{2}}}}} \right).$(33)
$\alpha (\delta ) = {{K}_{1}}{{\delta }^{{1/2}}},\quad \varepsilon (\delta ) = {{K}_{2}}{{\delta }^{2}}$Для сравнения, в [6], [7] установлена оценка $\left\| {\tilde {x} - x{\kern 1pt} *} \right\| = O({{\delta }^{{1/4}}})$ в случае, если связь между точным и приближенным функционалами определяется соотношением (8). При этом рассматривался как априорный, так и апостериорный способ выбора параметра $\alpha $ в зависимости от уровня погрешности $\delta $.
Мы доказали следующую теорему.
Теорема 1. Пусть вместо точного функционала $J$ известно его приближение ${{J}_{\delta }}$, выполнены условия (2), (6), (9), (25) и параметры $\alpha $, $\varepsilon $ в (10) выбираются по правилу (33). Тогда для точности приближения $\tilde {x}$, доставляемого методом Тихонова (10) в применении к задаче (1), справедлива оценка (34).
Рассмотрим теперь случай, когда известен точный функционал $J$ и метод Тихонова имеет вид (5). Нетрудно видеть, что тогда выполнено условие (9) с ${{J}_{\delta }} = J$, $\delta = 0$. При отсутствии погрешности в минимизируемом функционале параметр $\varepsilon $ в методе Тихонова следует выбирать в зависимости от значения $\alpha $. В соответствии с условием (13) примем $\varepsilon (\alpha ) = {{K}_{3}}{{\alpha }^{4}}$ с произвольным ${{K}_{3}} > 0$. При этом все проведенные здесь рассуждения вплоть до (32) остаются справедливыми, а сама оценка (32) принимает вид
(35)
$\left\| {{{x}_{{\alpha ,\varepsilon }}} - x{\kern 1pt} *} \right\| \leqslant {{C}_{{20}}}\alpha .$Теорема 2. Пусть выполнены условия (2), (6), (25). Тогда при выборе параметра $\varepsilon $ в методе Тихонова (5) с точно заданным функционалом $J$ по правилу $\varepsilon (\alpha ) = {{K}_{3}}{{\alpha }^{4}}$, ${{K}_{3}} > 0$ справедлива оценка (35). Если, кроме того, функционал $J$ слабополунепрерывен снизу, то для точки ${{x}_{\alpha }}$, доставляющей глобальный минимум функционалу Тихонова ${{T}_{\alpha }}$, справедлива оценка (36).
Подчеркнем, что теорема 2 относится к случаю точно заданного функционала $J$ и не связана с введенным в настоящей статье предположением (9). Установленные в этой теореме оценки ранее были известны только при условии выпуклости функционала $J$ или при наложении структурного условия на его нелинейность. Теорема 2 усиливает оценку $\left\| {{{x}_{\alpha }} - x{\kern 1pt} *} \right\| = O({{\alpha }^{{1/2}}})$, полученную в [6] без использования подобных условий. Кроме того, теоремы 1 и 2 усиливают результаты, полученные в [4], в случае, когда показатель истокопредставимости равен $p = 1$. А именно, в [4] получены те же самые оценки (34) и (36), что и в настоящей статье, однако мы при доказательстве теоремы 1 накладываем на погрешность функционала $J$ только условие (9), а в [4] используются сразу оба условия (8), (9) и еще структурное условие на нелинейность. Отметим также, что в [4] доказана невозможность существенного улучшения обсуждаемых оценок точности метода Тихонова.
Список литературы
Богачёв В.И., Смолянов О.Г. Действительный и функциональный анализ. М.-Ижевск: НИЦ “Регулярная и хаотическая динамика”, 2011.
Васильев Ф.П. Методы решения экстремальных задач. М.: Наука, 1981.
Бакушинский А.Б., Гончарский А.В. Итеративные методы решения некорректных задач. М.: Наука, 1989.
Кокурин М.Ю. Необходимые и достаточные условия степенной сходимости приближений в схеме Тихонова для решения некорректных экстремальных задач // Известия вузов. Математика. 2017. № 6. С. 60–69.
Tautenhahn U. On the method of Lavrentiev regularization for nonlinear ill–posed problems // Inverse Problems. 2002. V. 18. P. 191–207.
Кокурин М.Ю. Оценки скорости сходимости в схеме Тихонова для решения некорректных невыпуклых экстремальных задач // Ж. вычисл. матем. и матем. физ. 2017. Т. 57. № 7. С. 1103–1112.
Kokurin M.Y. Source conditions and accuracy estimates in Tikhonov’s scheme of solving ill–posed nonconvex optimization problems // J. of Inverse and Ill–Posed Problems. 2018. V. 26. № 4. P. 463–475.
Schuster T., Kaltenbacher B., Hofmann B., Kazimierski K. Regularization Methods in Banach Spaces // Radon Series on Computational and Applied Mathematics. 2012.
Anzengruber S.W., Ramlau R. Morozov’s discrepancy principle for Tikhonov-type functionals with nonlinear operators // Inverse Problems. 2010. V. 26. № 2. 025001.
Zhong M., Wang W. A global minimization algorithm for Tikhonov functionals with $p$-convex ($p \geqslant 2$) penalty terms in Banach spaces // Inverse Problems. 2016. V. 32. № 10. 104008.
Дополнительные материалы отсутствуют.
Инструменты
Журнал вычислительной математики и математической физики