frank-wolfe算法

Frank-Wolfe算法是一种线性优化算法，常用于凸优化问题。其主要思想是在每次迭代中，在目标函数上进行一次线性近似，再在线性近似的目标函数上求解最优点，然后通过一定的步长系数更新当前点，不断迭代直到收敛。

Frank-Wolfe算法的优点是每次迭代只需要求解一次线性规划，适用于大规模稀疏问题。但其缺点也显而易见，即可能需要较大的迭代次数才能达到收敛，且在某些情况下可能存在“振荡”的现象。