Questions tagged «convex-optimization»

1
在多项式时间内求解半定程序
我们知道,可以使用椭圆形方法或像Karmarkar算法那样的内点方法,在多项式时间内精确地求解线性程序(LP)。某些具有超多项式(指数)变量/约束的LP也可以在多项式时间内求解,前提是我们可以为其设计一个多项式时间分离法。 半定程序(SDP)呢?几类SDP可以在多项式时间内准确求解?当无法完全解决SDP时,我们是否总可以设计一个FPTAS / PTAS来解决它?在什么条件下可以做到这一点?如果我们可以为其设计多项式时间分隔预言,是否可以求解具有多项式时间变量/约束的指数形式的SDP? 我们能否有效解决组合优化问题(MAX-CUT,图形着色)中出现的SDP?如果我们只能在因子内求解,那么它对常数因子近似算法(例如Goemans-Williamson MAX-CUT算法的0.878)不会产生影响吗?1+ϵ1+ϵ1+\epsilon 任何对此的良好参考将不胜感激。

2
0-1线性规划:计算最佳配方
考虑维空间{ 0 ,1 } Ñ,并让Ç是以下形式的线性约束一个1 X 1 + 一个2 X 2 + 一个3 X 3 + 。。。+ 一个ñ - 1 X ñ - 1 + 一个Ñ X Ñ ≥ ķ,其中一个我 ∈ [R ,X 我 ∈nnn{0,1}n{0,1}n\{0,1\}^nccca1x1+a2x2+a3x3+ ... +an−1xn−1+anxn≥ka1x1+a2x2+a3x3+ ... +an−1xn−1+anxn≥ka_1x_1 + a_2x_2 + a_3x_3 +\ ...\ + a_{n-1}x_{n-1} + a_nx_n \geq …

3
半定编程(SDP)的对偶差距何时为零?
在文献中我找不到SDP对偶性鸿沟消失的精确表征。或者,“强对偶性”何时成立? 例如,当人们在Lasserre和SOS SDP之间来回移动时,原则上会有双重性差距。但是,似乎不存在这种差距的原因似乎有些“琐碎”。 Slater的条件似乎足够但不是必需的,它适用于所有凸程序。我希望对于SDP来说尤其如此。同样,我很高兴看到任何使用Slater条件证明二元差距消失的明确例子。

2
用半定编程可以解决什么,而用线性编程不能解决?
我对线性程序很熟悉,因为它们可以解决线性目标函数和线性约束的问题。但是,半定规划可以解决线性规划不能解决的问题?我已经知道半定程序是线性程序的一般化。 另外,如何识别可以使用半定编程解决的问题?半线性编程无法通过线性编程解决的一个典型问题是什么? 非常感谢您的任何答复。
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.