具有最低预期l2范数的凸体


23

考虑以原点为中心并且对称的凸体KK(即,如果则)。我希望找到一个不同的凸体,使和以下度量最小化:xKxKxKxKLLKLKL

f(L)=E(xTx)f(L)=E(xTx),其中是从L随机选择的一个点。xx

可以将常数因子近似地用于该度量。

一些注意事项-关于本身就是答案的第一个直观猜测是错误的。例如,认为是非常高尺寸的薄圆柱体。然后,通过让具有更多接近原点的体积,我们可以得出使得。K K L f L < f K LKKLf(L)<f(K)L


毫无价值的问题看起来很棘手。即使在3d中也不是很清楚如何解决它。
Sariel Har-Peled

很明显如何最佳地在2d中进行处理?当然,在二维中,恒定因子近似是无意义的。
Ashwinkumar BV 2012年

这对我来说并不明显。通过用椭球www.math.sc.edu/~howard/Notes/john.pdf近似形状,常数因子近似在任何尺寸上都是显而易见的。该常数将取决于尺寸。
Sariel Har-Peled 2012年

我对常量因子近似值感兴趣,其中常量不依赖于尺寸。
Ashwinkumar BV 2012年

1
自然。但是,让我把它拿回来-甚至椭圆形的情况也不明显。如果您想解决这个问题,那将是第一个要研究的版本。直观地,您必须确定要忽略的尺寸以及要扩展的尺寸。似乎自然的解决方案是椭球与另一个椭球的并集的凸包,其中新椭球的轴等于某个参数r或等于另一个椭球。
Sariel Har-Peled

Answers:


1

如果我们将KL都限制为椭圆形,那么使用SDP可以以任何精度解决您的问题。我知道这不是您最初要求的,但是即使对于这种受限情况,我们似乎也没有解决方案,也许总的来说可以提供帮助。KL

所以我们可以说Ë是输入椭球,我们期待找到一个最佳封闭椭球Ĵ。存在一个线性地图˚F ST Ê = ˚F 2和地图ģ ST Ĵ = g ^ 2,其中2是单位球。然后Ë X Ĵ [ X 2 2 ] = 1EJFE=FB2GJ=GB2B2n TrGTG。此外èĴĴē,其中ē极体Ë。便利地,ê={XXŤ˚FŤ˚FX1}Ĵ={XXŤģŤģX1}ExJ[x22]=1nTr(GTG)EJJEEEE={x:xTFTFx1}J={x:xTGTGx1}。它遵循Ĵ È (因此Ë Ĵ)当且仅当ģ Ť ģ - ˚F Ť ˚F是半正定矩阵。JEEJGTGFTF

因此,SDP的定义如下:给定一个对称的PSD矩阵M,找到一个对称的PSD矩阵N st N - M为PSD,并将T rN 最小化。Ñ可以通过求解SDP然后一个SVD会给轴和轴的长度来找到ĴMNNMTr(N)NJ


0

(如评论中所述,以下方法无效。获得的对象不是凸形的。尽管如此,它表征了具有最小预期距离的“星形”对象。)

我认为最佳对象是K和以原点为中心的球的并集。这是我的想法。通过您的定义˚F 大号˚F 大号小号 d - 1ř 大号 0 X dX d / X d 大号Kf(L)d X - [R大号v ø 大号 dXd小号小号 d-1- [R 2 大号v ø 大号 d小号小号 d - 1 - [R 2 大号 d小号小号 d - 1 - [R 大号 d 小号d Ê ˚F =大号 其中[R大号是从原点到的表面的距离大号沿特定方向。我使用而不是=,因为我删除了一些常量。现在,我们希望尽量减少大号的约束下该ř大号řķ沿任何方向。请注意,如果rK沿某个方向小于g

f(L)Sd1rL0xd(xd/xdL)dxrLvol(L)dxdSSd1r2Lvol(L)dSSd1r2LdSSd1rLdS=defg(L),
rLLg(L)rLrKrKķ / 2,那么我们可以把它稍大,通过说增加它 ε ķ / 2 - - [R ķ,使ķ 小。这是因为我们将枚举数增加了r L + ϵ 2r 2 L = ϵ 2 r L + ϵ ,小于因子 g K g(K)/2ϵg(K)/2rKg(K)(rL+ϵ)2r2L=ϵ(2rL+ϵ)g(K)分母增加。因此,我们可以想到的逐渐“变形” ķ(通过反复小幅增长目标,并更新g ^ ),以使其g ^ 值。令K *最终是凸物体。然后,在任何点ķ *ķ是在距离ķ */ 2从原点,即ķ *被的联合ķ并与半径的球ķKg()g()KKKg(K)/2KK/ 2g(K)/2

确实,考虑另一个凸物体K ',使得g K '= g K 。然后ķ *ķ ',否则我们成长的一部分ķ 'ķ *使g ^ ķ '更小。在另一方面,ķ 'ķ *,否则,由同样的想法,我们可以收缩的部分ķ 'ķķ *Kg(K)=g(K)KKKKg(K)KKKKK使g K '变小。因此,有一个独特的最佳解决方案。g(K)


1
也许我缺少了一些东西,但是为什么以这种方式生成的对象是凸形的?
mjqxxxx 2012年

@mjqxxxx你是对的。我怎么想念...
user7852 2012年

有关以下想法如何:它是公知的是凸目的可以通过一些椭圆来近似,即,有一个椭圆Ë ķ使得Ë ķķ EKd Éķ。然后fEKKdEKd EK以大约d的比率近似fK。对于任何包含K的Lf(dEK)f(K)dLKd Ëķdë大号。因此,如果我们可以找到包含的最优椭球EdEKdELEd ëķ,然后˚Fëd2˚F大号。我不知道如何计算Ë。但是我猜想它的轴与 √的轴对齐dEKf(E)d2f(L)Ed EK √的所有特征值dEK低于某个阈值的 d EK上升到该阈值。dEK
user7852 2012年

我同意,如果L不限于凸体,则是K与球的并集。
Ashwinkumar BV 2012年

使用椭球的想法不会给您一个恒定的因素。它最多可以给d近似值。我的猜测是,带有适当半径的球的L的凸包是一个常数因子近似值。我不确定如何证明或反驳这一猜想。dL
Ashwinkumar BV 2012年

0

以下解决方案基于此假设/猜想[待证明]:

猜想:上凸函数的期望值CONVķ ķ '大于在期望之间的较大的较小ķ并且在期望ķ 'conv(KK)KK

[仅对于K K '凸,我们将需要上述条件,但通常可能是正确的]K,K

现在取任意集合K,并以原点为中心对其进行旋转R,得到R K 。您将拥有f K = f R K ,因为旋转使K的元素长度不变。如果我是正确的关于猜想,˚F CONVķ [R ķ ˚F ķ 。因为对于任何最优LKRR(K)f(K)=f(R(K))Kf(conv(KR(K)))f(K)L你可以考虑大号' = [R [R 大号= CONV[R [R 大号,其中[R表示在所有旋转的结合,并有˚F 大号˚F 大号'˚F 大号,似乎可以将最佳L选择为包含K的最小球体。L=RR(L)=conv(RR(L))Rf(L)f(L)f(L)LK


It would be sufficient to prove that Econv(A)EAEconv(A)EA for the expectation of a convex function. That EKKmax{EK,EK}EKKmax{EK,EK} seems easy.
Marco

4
我不确定是否能得到您的答复。但是,绝对不能将L选择为包含K的最小球体。考虑d尺寸为t的细长圆柱体。然后任何球š含有ķ应具有˚F 小号。但是,如果你构造大号= Ç Ö Ñ v ķ û 其中U是球形或大致半径Ç 1/ d˚F 大号大致c2t/d. (where c1,c2 are constants)
Ashwinkumar B V
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.