[發明專利]基于塊坐標下降法的大數據并行優化系統及方法

在審

• 申請號: 202010933264.8
• 申請日: 2020-09-08
• 公開（公告）號: CN112115596A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 丁杰;王翔;吳馬軍
• 申請（專利權）人: 浙江嘉興數字城市實驗室有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F16/27
• 代理公司: 嘉興啟帆專利代理事務所(普通合伙) 33253
• 代理人: 廖銀洪

1.一種基于塊坐標下降法的大數據并行優化方法，其特征在于：包括以下步驟：

步驟S1：建立加權Lasso模型；

步驟S2：利用塊坐標下降法對所述加權模型進行求解；

步驟S3：通過所述求解得到所述加權模型的回歸系數；

步驟S4：通過隨機生成的稀疏向量與所述回歸系數，作為基準值Xs，以對比驗證求解的結果的正確性。

2.如權利要求1所述的一種基于塊坐標下降法的大數據并行優化方法，其特征在于：所述加權Lasso模型通過下式確定：

根據加權1-范數與1-范數的對應關系，將上式轉化為：

其中，W為對角矩陣，b為m x 1的向量，A為m x n的矩陣，x為變量的回歸系數，λ為正則化參數。

3.如權利要求1所述的一種基于塊坐標下降法的大數據并行優化方法，其特征在于：所述利用塊坐標下降法對模型進行求解包括：

步驟S2.1：給定初始值x，計算所述模型的目標函數值；

步驟S2.2：開始迭代，采用塊坐標下降法對x進行更新；

步驟S2.3：根據所述更新結果繼續計算新的目標函數值；

步驟S2.4：判斷迭代終止；若兩次目標函數值符合預設的判斷方式，則認為已經得到最優解，停止迭代。

4.如權利要求3所述的一種基于塊坐標下降法的大數據并行優化方法，其特征在于：所述步驟S2.1具體實施為以下步驟：

步驟S2.1.1：得到若干個進程分塊計算值A_(i)x_(i)；

步驟S2.1.2：通過MPI_Allreduce函數匯集運算結果Ax，并分發至各進程。

5.如權利要求3所述的一種基于塊坐標下降法的大數據并行優化方法，其特征在于：所述塊坐標下降法通過下式對x進行更新：

其中，k迭代次數，i為坐標編號，為軟閾值操作符。

6.如權利要求3所述的一種基于塊坐標下降法的大數據并行優化方法，其特征在于：所述判斷迭代終止的條件為：

當兩次目標函數值沒有變化；其中，new_object為新的目標函數值，old_object為舊的目標函數值。

7.如權利要求4所述的一種基于塊坐標下降法的大數據并行優化方法，其特征在于：每個所述進程在每次迭代時只需要進行n/k次求解，即使用k個進程計算維度為n的回歸系數x。

8.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1-7中任一項權利要求所述的基于塊坐標下降法的大數據并行優化方法的步驟。

9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1-7中任一項權利要求所述的基于塊坐標下降法的大數據并行優化方法的步驟。

10.一種基于塊坐標下降法的大數據并行優化系統，其特征在于，用于實施如權利要求1-7中任一項權利要求所述的基于塊坐標下降法的大數據并行優化的步驟。