变分不等式
一种统一的数学框架，用于刻画极小极大优化、博弈论均衡求解等问题，是优化理论与机器学习中的重要工具，单调性是其核心分析条件
时间轴 (近 90 天)
该论文证明经典的Local Extra SGD算法经过更精细的分析后，能对一般光滑且单调的变分不等式获得比以往更紧的收敛保证
变分不等式的基本形式是寻找向量x*使得对所有可行点x满足⟨F(x*), x-x*⟩≥0，其中F是一个算子
当F是某凸函数的梯度时，变分不等式退化为标准凸优化
单调性是VI分析中对应于凸性的核心条件，若⟨F(x)-F(y), x-y⟩≥0对所有x,y成立则称算子F单调
SCAFFOLD、FedProx等技术的关键前提是算子F本身是某函数的梯度场，可借助函数值下降构造Lyapunov势能证明收敛，而一般单调算子不存在此势函数
GAN等生成模型本质上是极小极大问题，可以自然地建模为变分不等式
变分不等式相比标准凸优化更难处理，主要原因在于其算子的单调性并不等价于某个凸函数的梯度结构
全部知识事实 (7)
该论文证明经典的Local Extra SGD算法经过更精细的分析后，能对一般光滑且单调的变分不等式获得比以往更紧的收敛保证
50%待验证变分不等式的基本形式是寻找向量x*使得对所有可行点x满足⟨F(x*), x-x*⟩≥0，其中F是一个算子
50%待验证当F是某凸函数的梯度时，变分不等式退化为标准凸优化
50%待验证单调性是VI分析中对应于凸性的核心条件，若⟨F(x)-F(y), x-y⟩≥0对所有x,y成立则称算子F单调
50%待验证SCAFFOLD、FedProx等技术的关键前提是算子F本身是某函数的梯度场，可借助函数值下降构造Lyapunov势能证明收敛，而一般单调算子不存在此势函数
50%待验证GAN等生成模型本质上是极小极大问题，可以自然地建模为变分不等式
50%待验证变分不等式相比标准凸优化更难处理，主要原因在于其算子的单调性并不等价于某个凸函数的梯度结构
50%