第2章　无约束凸优化中的加速算法

本章将简要介绍用于求解无约束凸优化问题的若干加速梯度法．作为最基础的一阶算法，加速梯度法由于其理论基础扎实、实际性能优越，而且实现简单，在机器学习领域被广泛使用．本章将首先介绍求解光滑凸优化问题的若干代表性加速梯度法，并将其扩展到复合凸优化（Composite Convex Optimization）问题，然后介绍非精确加速邻近梯度法、重启策略、平滑（Smoothing）策略、高阶加速梯度法，最后从变分的角度对加速机制进行解释．