A Polynomial-Time Affine-Scaling Method for Semidefinite and Hyperbolic Programming
我们开发了一个自然的变种Dikin的仿射尺度法,首先半定规划,然后双曲规划一般。我们匹配的最佳复杂性边界已知的邻点方法。所有以前的多项式时间仿射缩放算法已经为锥最优化问题,其中的基础锥是对称的。然而,双曲锥不需要是对称的。我们的算法是第一个多项式时间仿射尺度方法不依赖于对称性。
2014-10-24 math.OC
Construction of multivariate polynomial approximation kernels via semidefinite programming
该研究利用半定规划构造多元多项式逼近核层级,给出对应半定规划的实现细节,并通过对称性约化提升数值可处理性。
2023-07-17 math.OC
Polynomial algorithm for the disjoint bilinear programming problem with an acute-angled polytope for a disjoint subset
针对其中一个不相交子集为锐角多面体的不相交双线性规划问题,提出并证明最优性准则,据此设计多项式算法,且该算法可有效求解布尔线性规划与分段线性凹规划问题。
2025-02-12 math.OC
Semidefinite relaxations for semi-infinite polynomial programming
研究了半无限多项式规划问题的半定松弛法。本文首先介绍了求解多约束多项式最优化问题的两种SDP松弛法。然后,我们提出了一个交换算法与SDP松弛解决SIPP问题的紧凑指标集。最后,我们通过均匀化方法将所提出的方法推广到具有非紧指标集的SIPP问题。数值结果表明该算法是有效的。
2013-06-08 math.OC
Polynomial mathematical programs with equilibrium constraints and semidefinite programming relaxations
本文研究了一个带有平衡约束的数学规划问题,其中目标函数和约束函数都是多项式。给出了一种利用半定规划(SDP)松弛族求其全局极小值和全局极小值的方法,并证明了该方法的收敛性。数值实验表明了该算法的有效性。
2019-03-22 math.OC
Semi-infinite programming using high-degree polynomial interpolants and semidefinite programming
在半无限规划的一个常见公式中,无限约束集是一个要求,即由决策变量参数化的函数在一个区间上是非负的。如果这个函数可以用一个多项式或一个有理函数充分逼近,那么这个半无限规划就可以转化为一个等价的半定规划。解决这个半定规划是具有挑战性的,如果所涉及的多项式是高的程度,由于数值困难和不良缩放所产生的多项式逼近和事实,即半定规划约束来自非负多项式的平方和表示是不良缩放。我们结合有理函数逼近技术和多项式编程来克服这些数值困难,使用平方和插值。具体而言,它示出的条件下,使用平方和插值的重新不恶化,随着程度的增加,和问题涉及的平方和插值的数百度可以处理没有困难。所提出的重新公式是足够好的规模,他们可以很容易地解决每一个常用的半定规划求解器,如SeDuMi,SDPT 3和CSDP。令人鼓舞的应用包括半无限约束和半定圆锥不等式的凸优化问题,如实验的最优设计中出现的问题。数值结果与理论预测一致;在所考虑的问题中,可用内存是限制多项式次数的唯一因素,约为1000。
2017-03-22 math.OC
Quadratic Programming with Sparsity Constraints via Polynomial Roots
二次约束二次规划(QCQP)是一类在许多应用中自然出现的最优化问题。寻找稀疏解通常是有趣的,其中解的许多项为零。本文将考虑QCQP与一个单一的线性约束,连同一个稀疏性约束,要求一个解决方案的非零项的集合是小的。这个问题类包括许多感兴趣的基本问题,如线性回归和主成分分析的稀疏版本,这两个都是已知的很难近似。我们引入了一个家庭的易于处理的近似,这样的稀疏QCQP使用多项式的根,可以表示为主子式的矩阵的线性组合。这些多项式自然产生于双曲多项式的研究。我们的主要贡献是制定这些近似和计算方法,找到一个稀疏的QCQP的良好解决方案。我们还将给出数值证据,证明这些方法在实际问题上是有效的。
2022-09-29 math.AG math.OC
Bounded Global Optimization for Polynomial Programming using Binary Reformulation and Linearization
本文给出了有界变量多项式规划问题全局最优化的一种近似方法。该方法采用一种重构和线性化技术,将原多项式最优化问题转化为一对混合二元线性规划。这两个整数线性重新制定的解决方案提供了上界和下界的整体解决方案,原来的多项式计划。这些界限的紧密性、近似每个多项式表达式的误差以及在重新表述过程中必须添加的约束的数量都取决于用户为原始多项式程序中的每个变量指定的误差容限。当这些误差容限接近于零时,重新制定的程序的大小增加,并且计算出的区间界限收敛到真正的全局解。
2012-05-29 math.OC
Real ideal and the duality of semidefinite programming for polynomial optimization
研究了半代数集上多项式消失生成的理想,提出了一种基于柱面代数分解技巧的生成元计算算法。应用这些方法,可以等价地修改带有多项式等式约束的多项式最优化问题,使得相应的半定规划松弛问题没有对偶间隙.给出了理想实性的一些判别准则的初等证明。
2009-02-14 math.AC math.OC
Multi-objective convex polynomial optimization and semidefinite programming relaxations
针对一类具有凸多项式数据的多目标最优化问题,给出了有效解。为此,一个混合方法,它允许我们转换问题(MP)到一个标量凸多项式最优化问题(P $_z$),并不破坏凸性的性质,被认为是。首先,我们在一些温和的假设下证明了问题(MP)的有效解的存在性。然后,对于问题(P $_z$),建立了凸半代数集上凸多项式的两种非负性表示,并在适当的假设下,给出了问题(P $_z$)的Lasserre型半定规划松弛族的两种有限收敛性结果.最后,我们发现,找到有效解的问题(MP)可以成功地实现解决层次的半定规划松弛和检查一个平坦的截断条件。
2020-11-02 math.OC
Fatal Degeneracy in the Semidefinite Programming Approach to the Decision of Polynomial Inequalities
本文揭示了将多项式不等式不可满足性判定问题转化为半定规划求解时,通常会导致数值方法难以处理的退化问题。
2009-01-30 cs.NA math.AG math.NA
Convergent Semidefinite Programming Relaxations for Global Bilevel Polynomial Optimization Problems
本文考虑一个两层多项式最优化问题,其中上下层问题的目标函数和约束函数都是多项式。我们提出了使用一系列半定规划(SDP)松弛来寻找其全局极小值和全局极小值的方法,并给出了这些方法的收敛结果。我们的方案的问题与凸低级别的问题涉及到解决一个转换的等价单级问题的SDP松弛序列,而我们的方法一般问题,涉及一个非凸多项式低级别的问题,解决了一个序列的近似问题,通过另一个序列的SDP松弛。
2016-01-13 math.OC
A polynomial projection-type algorithm for linear programming
我们提出了一个简单的O([n^5/ \log n]L)算法的线性规划的可行性,可以被认为是一个多项式时间实现的松弛法。我们的工作借鉴了Chubanov的“分治”算法[4],其中递归被一个简单而更有效的迭代法所取代。Chubanov [6]最近的一篇论文中使用了类似的方法。
2013-12-06 cs.DS math.OC
On Solving a Class of Fractional Semi-infinite Polynomial Programming Problems
研究了一类分式半无限多项式规划问题,其中目标函数为凸多项式和凹多项式的分式,约束条件由无穷多个凸多项式不等式组成.为了解决这样的问题,我们首先将其转化为一对原始和对偶圆锥最优化问题,如果我们可以将平方和结构引入圆锥约束,则可以将其转化为半定规划(SDP)问题。为此,我们为凸半无限规划问题提供了一个特征锥约束规格,以保证强对偶性,并在对偶问题的解决方案的实现,这是它自己的利益。在这个框架下,我们首先提出了一个具有渐近收敛的SDP松弛的FSIPP问题,其指标集是由许多多项式不等式定义的。接下来,我们研究了四种情况下的FSIPP问题,可以减少到一个单一的SDP问题或一个有限序列的SDP问题,其中至少有一个极小可以提取。然后,我们将这种方法应用到四个相应的多目标情况下,找到有效解。
2021-05-15 math.OC
The Value Iteration Algorithm is Not Strongly Polynomial for Discounted Dynamic Programming
Stony Brook University(石溪大学)
本说明提供了一个简单的例子,证明如果允许精确计算,则值迭代算法为贴现动态规划问题找到最优策略所需的迭代次数可以随问题的大小任意快速地增长。特别地,迭代的数量可以是动作数量的指数。因此,与策略迭代不同,值迭代算法对于折扣动态规划不是强多项式。
2013-12-19 cs.AI math.OC
An SDP method for Fractional Semi-infinite Programming Problems with SOS-convex polynomials
本文研究了一类涉及s.o. s-凸多项式函数的分式半无限多项式规划问题。对于这样的问题,通过我们以前的工作中提出的一个锥变换和与指标集相关联的二次模,可以构造一个半定规划(SDP)松弛的层次,并且可以得到最优解的收敛上界.本文通过将指数集上非负多项式的Lasserre测度表示引入到二次曲线重构中,给出了求解该问题的一种新的SDP松弛法。这种方法使我们能够计算收敛的下界的最佳和提取近似极小。此外,对于由无穷多个s.o. s-凸多项式不等式定义的集合,我们得到了构造具有半定表示的外逼近的收敛序列的方法。讨论了下界和外近似的收敛速度。
2022-12-27 math.OC
Disciplined Geometric Programming
我们介绍对数-对数凸规划,这是最优化问题的正变量,成为凸的变量,目标函数,约束函数被替换为他们的日志,我们称之为对数-对数变换。这类问题是传统几何规划和广义几何规划的推广,它包含了一些有趣的非负矩阵问题。我们给出了对数-对数凸函数的例子,有些是众所周知的,有些是不太知名的,我们开发了一个类似的纪律凸规划,我们称之为纪律几何规划。凸几何规划是对数-对数凸规划的一个子类,它是由一个复合规则和一组已知曲率的函数在对数-对数变换下生成的。最后,我们描述了纪律几何规划的实施,减少在CVXPY 1.0。
2019-03-20 cs.MS math.OC
Stabilization of polynomial dynamical systems using linear programming based on Bernstein polynomials
本文讨论了稳定多项式系统的静态输出反馈控制器的综合问题。我们的方法联合综合了一个李雅普诺夫函数和一个静态输出反馈控制器,该控制器在给定的状态空间子集上稳定系统。具体来说,我们的方法是同时针对两个目标:(a)渐近李雅普诺夫稳定的系统,和(b)包含平衡的盒子的不变性。我们的方法使用伯恩斯坦多项式来构建一个线性松弛的多项式最优化问题,并使用一个所谓的“策略迭代”的方法来处理双线性最优化问题。我们的方法可以很自然地扩展到通过状态空间分解和伯恩斯坦多项式的组合来合成混合反馈控制律。我们证明了我们的方法在一系列数值基准的例子的有效性。
2015-01-19 math.OC
A new geometric approach for sensitivity analysis in linear programming
本研究提出一种线性规划灵敏度分析的新型几何方法,通过固定可行域、几何化表述问题、结合仿射几何给出等价形式,用极坐标表示目标系数向量并确定解不变的角度,经数值算例验证,可为决策者分析数据变动下最优解行为提供实用工具。
2023-10-09 math.OC
Real-rooted integer polynomial enumeration algorithms and interlacing polynomials via linear programming
该研究扩展现有算法以枚举指定首项系数的固定次数实根整数多项式,引入线性规划算法枚举可行交错多项式并针对实等角线研究优化,显著提升了方法效率。
2025-04-12 math.CO math.MG math.OC
Uncertain random geometric programming problems
School of Basic Sciences, Indian Institute of Technology Bhubaneswar(印度理工学院布巴内斯瓦尔基础科学学院)
本文提出确定性方法解决不确定随机几何规划问题,通过线性-正态不确定随机变量转换为随机变量,提升优化过程的清晰度和实用性。
2023-10-03 math.OC
Stable radial distortion calibration by polynomial matrix inequalities programming
在镜头径向失真建模方面,多项式和有理函数是首选。然而,一些外推和数值问题可能会出现,而使用这些功能,还没有被文献所涵盖的。在本文中,我们确定了这些问题,并展示了如何处理它们,通过强制执行某些多项式的非负性。此外,我们展示了如何使用多项式矩阵不等式(PMI)和如何估计的径向失真参数的PMI约束,使用半定规划(SDP)的非负性模型。最后,我们提出了几种方法,如何将所提出的方法纳入整个摄像机校准过程。
2014-09-19 math.OC physics.optics
Strong Polynomiality of the Value Iteration Algorithm for Computing Nearly Optimal Policies for Discounted Dynamic Programming
本文给出了有限状态数和动作数的无限时域贴现马尔可夫决策过程的近似最优策略的数值迭代计算所需操作数的上界。对于一个给定的折扣因子,报酬函数的大小,并期望接近最优,这些上界是强多项式的状态-动作对的数量,和提供的上界之一具有的属性,它是一个非减函数的折扣因子的值。
2020-01-28 math.OC
A geometric way to build strong mixed-integer programming formulations
我们给出了一个显式的几何方法来建立混合整数规划(MIP)公式的联合多面体。该结构简单地描述了在r维线性空间的生成超平面。所得到的MIP制定是理想的,并使用了r个整数变量和2 x(#的跨越超平面)一般不等式约束。我们使用这个结果,以获得新的不连续的分段线性函数和结构中出现的机器人和电力系统问题的几何尺寸的理想MIP配方。
2019-10-09 math.OC
Tri-skill variant Simplex and strongly polynomial-time algorithm for linear programming
线性规划强多项式时间算法的存在性问题是一个跨世纪的国际性数学难题,它的突破将为人工智能的发展解决一个重大的理论危机。为此,本文提出了三种基于圆锥切割理论的求解方法:1。最高选择原则; 2。列消去法,比叶列消去法更方便、更有效; 3.可行点的逐步下降算法水平移动到中心,然后下降到可行域的底部$D$。将有一个很好的工作结合三种技术,三技能是变种单纯形算法,预计将帮助读者建立强大的多项式算法。此外,本文还提出了一种变权最优化方法,为将线性规划引入到简单的计算中打开了一扇新的窗口。
2021-03-16 math.OC
Improving the semidefinite programming bound for the kissing number by exploiting polynomial symmetry
$\mathbb{R}^n$的吻接数是能同时接触一个中心单位球的两两不重叠的单位球的最大数目。Mittelmann and Vallentin(2010)基于Bachoc and Vallentin(2008)的半定规划界,计算了$n \leq 23$的几个值的接吻数的最佳已知上界。在本文中,我们利用对称性存在于半定规划界提供改进的上界$n = 9, \ldots, 23$。
2016-09-16 math.MG math.OC
Robust Designs via Geometric Programming
提出了鲁棒几何规划(RGP)作为凸规划的一种近似形式。使用几何规划(GP)来建模复杂的工程系统的兴趣一直在增长,这激发了明确建模的不确定性基本的工程设计优化。RGP提供了一个框架来建模和求解GP,同时将其不确定性表示为属于不确定性集。这里提出的RGP方法是基于重新制定的GP,然后鲁棒的方法,从强大的线性规划。这些新的方法,以及以前的文献中,被用来robustify两个飞机设计问题,这些不同的方法的结果进行了比较和讨论。
2018-08-22 math.OC
Hesse's Redemption: Efficient Convex Polynomial Programming
ETH Zurich(苏黎世联邦理工学院)
针对四次及以上凸多项式无约束最小化这一开放问题,本文提出在无线性刻画下证明解界限的新技术,证明了多面体上凸多项式规划存在多项式比特长度的近似最优解,结合椭球法首次给出了凸多项式规划的多项式时间算法。
2025-11-05 cs.CC cs.DS math.AG
An Efficient Polynomial Interior-Point Algorithm for Linear Programming
对于线性规划的内点算法,中心参数的选取对于多项式的理论证明和实际应用效率都是至关重要的。然而,定心参数的选择通常是通过几何学并且与线搜索步长的选择分开。在开发实际有效的算法(如MPC)和理论有效的算法(如短步长路径跟踪算法)时,算法是完全不同的。这引入了一个困境,即一些最知名的多项式界的算法在实践中效率最低,而一些最有效的算法可能不是多项式。在本文中,我们提出了一个系统的方法来最佳地选择中心参数和线搜索步长在同一时间,我们表明,基于这种策略的算法具有最佳的多项式界,并可能是非常有效的计算实际问题。
2013-05-10 math.OC
Testing weak optimality of a given solution in interval linear programming revisited: NP-hardness proof, algorithm and some polynomial cases
University of Economics, Faculty of Finance and Accounting(布拉格经济大学金融与会计学院);Charles University, Faculty of Mathematics and Physics(查理斯大学数学与物理学院)
本文证明区间线性规划中给定解的弱最优性检验是NP-困难的,并提出基于象限分解的指数时间算法,同时指出仅含不等式约束的情形可多项式求解。
2017-12-01 math.OC
SDP Duals without Duality Gaps for a Class of Convex Minimax Programs
本文对一个原凸Minimax规划模型问题引入了一个新的对偶规划,它可表示为一个半定线性规划问题,并证明了当所涉及的函数是SOS-凸多项式时,原规划与对偶规划之间不存在对偶间隙.在适当的约束规格下,我们得到了这类极大极小问题的强对偶结果。因此,我们目前的应用程序,我们的结果强大的SOS凸规划问题的数据不确定性和极大极小分式规划问题的SOS凸多项式。我们得到这些结果,首先建立的平方和多项式表示的非负的凸极大值函数的SOS凸约束系统。SOS-凸多项式是凸多项式的一个重要子类,它包括凸二次函数和可分凸多项式。多项式的SOS-凸性可以通过求解半定规划问题来数值检验,而多项式的凸性的数值检验通常很困难。
2013-07-19 math.OC
Piecewise Polynomial Interpolation Function Approach for Solving Nonlinear Programming Problems with Disjoint Feasible Regions: Mathematical Proofs
分段多项式插值(PPI)函数法是一种求解具有不相交可行域的非线性规划问题的方法。在这样的问题中,不相交性通常与禁止的操作区域相关联,其对应于不允许变量假设的值的带。这种禁止操作区的分析含义是使目标函数及其域不连续。PPI函数方法在于用等价的等式和不等式约束的集合替换与禁止操作区相关联的约束,从而允许应用任何有效的基于梯度的最优化方法来解决等价问题。本文给出了PPI函数的定义,并给出了其性质的数学证明。
2020-07-23 math.OC
Geometric Programming for 3D Circuits
针对全3D集成电路中布局规划、晶体管及互连尺寸设定等高度复杂的设计优化问题,本文引入geometric programming方法以实现系统且高效的求解。
2025-04-01 math.OC
A Polynomial Time Algorithm For 0-1 Integer Linear Programmings
本研究提出一种基于线性规划松弛与强割平面约束重构的0-1整数线性规划多项式时间算法,经复杂度分析验证其为多项式时间算法,意味着P=NP。
2023-06-16 math.OC
A method for computing lowest eigenvalues of symmetric polynomial differential operators by semidefinite programming
N。Z. Shor,J. B.拉塞尔和P.A.帕里洛本文的目的是将他们的方法的一个变体推广到变量$X$和$Y$满足$YX-XY=1$和$X^\ast=X$,$Y^\ast=-Y$的非交换对称多项式。这种多项式的全局极小值的定义和证明是等于相应的微分算子的谱的极小值。我们还讨论了如何利用稀疏性和对称性。包括几个数值实验。最后一节解释了我们的理论如何适应非交换实代数几何的框架。
2013-07-07 math.OC math.QA
An ${\cal O}(nL)$ Infeasible-Interior-Point Algorithm for Linear Programming
本文提出了一种弧搜索不可行内点算法。我们证明了该算法是多项式的,多项式界是${\cal O}(nL)$,它至少与线性规划的不可行内点算法的最佳界一样好。
2015-06-29 math.OC
A characterization of the algebraic degree in semidefinite programming
本文通过双对称多项式单项式系数刻画半定规划的代数次数,并利用对称多项式理论简化了相关重要结果的证明。
2022-02-12 math.AG math.CO math.OC
T-semidefinite programming relaxation with third-order tensors for constrained polynomial optimization
针对带多项式不等式约束的多项式优化问题,提出基于三阶张量的T-半定规划松弛方法,证明其可转化为块对角标准半定规划松弛,在适度假设下收敛于最优值,且数值效率更优。
2024-05-14 math.OC
Lower Bounds for a Polynomial on a basic closed semialgebraic set using geometric programming
$f,g_1,...,g_m$是多项式环$\mathbb{R}[x_1,...,x_n]$的元素。本文讨论了在由不等式$g_i\ge 0$,$i=1,...,m$定义的$\mathbb{R}^n$的子集上计算$f$的下界的一般问题.本文表明,有一个算法计算这样的下限,几何规划的基础上,适用于大量的情况。该算法扩展和推广了Ghasemi和Marshall的早期算法,处理$m=0$的情况,以及Ghasemi,Lasserre和Marshall的早期算法,处理$m=1$和$g_1= M-(x_1^d+\cdots+x_n^d)$的情况。这里,要求$d$是偶数$d \ge \max\{2,°(f)\}$。该算法是实现在一个SAGE程序开发的第一作者。得到的界通常不如使用半定规划得到的界好,但它具有可快速计算的优点,即使在通过半定规划得到的界不可计算的情况下。
2015-03-23 math.OC
Lower bounds on the global minimum of a polynomial
我们推广了Ghasemi和Marshall [SIAM. J. Opt.22(2)(2012),pp 460-473],以获得对于任何实数$M$,可通过几何编程计算的、在闭球${x \in \mathbb{R}^n : \sum x_i^{2d} \le M}$上的$n$变量$x = (x_1,...,x_n)$中的次数为$ \le 2d$的多元多项式$f(x) \in \mathbb{R}[x]$的下界$f_{{\rm gp},M}$。我们将这个界与Ghasemi和Marshall得到的(全局)下界$f_{\rm gp}$进行比较,也与Lasserre得到的可通过半定规划计算的下界的层次结构进行比较[SIAM J. Opt. 11(3)(2001)pp 796-816]。我们的计算结果表明,约束$f_{{\rm gp},M}$提高了约束$f_{\rm gp}$和计算的$f_{{\rm gp},M}$,像$f_{\rm gp}$,可以进行快速和容易的多项式具有大量的变量和/或大的程度,假设一个合理的稀疏系数,情况下,相应的计算使用半定规划故障。
2012-09-13 math.AG math.OC
Validation of a recently proposed strongly polynomial-time algorithm for the general linear programming problem
FAMU-FSU College of Engineering(FAMU-FSU 工程学院)
本文验证了一种最近提出的强多项式时间算法,该算法通过互补高斯-若尔当枢轴操作求解一般线性规划问题,并证明其迭代次数不超过2(k+n)。
2026-07-07 math.OC
A numerical illustration of a recently proposed strongly polynomial-time algorithm for the general linear programming problem
FAMU-FSU College of Engineering(FAMU-FSU 工程学院)
本文通过数值示例展示了近期提出的通用线性规划问题的强多项式时间算法,该算法每次迭代包含两次Gauss-Jordan旋转操作,最多在2(k+n)次迭代内终止。
2026-06-03 math.OC
An experimental approach for global polynomial optimization based on Moments and Semidefinite Programming
在这篇文章中,我们提供了一个实验算法,在许多情况下,给我们一个上界的一个真正的多项式$\R^{n}$的整体下确界。众所周知,在$\R^{n}$上求一个实多项式的全局下确界,往往归结为求解一系列半正定规划,称为矩松弛。我们提出的算法涉及到解决一系列的半正定规划,其可行集包含在一个时刻松弛的可行集。我们的附加约束试图引发一个平坦性条件,如Curto和Fialkow所使用的,用于计算的时刻。在最后,我们提出的算法的应用程序的非负多项式的平方和的数值结果。我们还提供了数值结果的应用程序的一个版本的算法的基础上提出的方法由聂,Demmel和Sturmfels的问题,最小化多项式的梯度品种。
2018-09-24 math.OC
Optimality conditions for minimizers at infinity in polynomial programming
本文研究最优化问题$$\textrm{infimum}f_0(x) \quad \textrm{ subject to } \quad x \in S,$$的最优性必要最优性条件,其中$f_0 \colon \mathbb{R}^n \rightarrow \mathbb{R}$是多项式函数,$S \subset \mathbb{R}^n$是由多项式不等式定义的集合.假设该问题是有界的,并且在无穷远处具有Mangasarian-Fromovitz性质。我们首先表明,如果问题没有{ \em不}有一个最优解,然后在无穷大的弗里茨-约翰最优性条件的版本举行。由此,我们得到一个版本在无穷远的Karush-Kuhn-Tucker最优性条件。作为应用,我们得到了一个Frank-Wolfe型定理,即只要目标函数$f_0$是方便的,则问题的最优解集是非空的.最后,在无约束的情况下,我们证明了问题的最优值是某个多项式的最小临界值。所有的结果都是在牛顿多面体的多项式定义的问题。
2017-06-30 math.OC
Polynomial worst-case iteration complexity of quasi-Newton primal-dual interior point algorithms for linear programming
拟牛顿法是用于大规模数值优化的公知技术。他们在最优化问题中使用Hessian近似,在非线性方程组中使用Jacobian近似。在内点上下文中,拟牛顿算法计算与牛顿系统相关联的矩阵的低秩更新,而不是在每次迭代时从头开始计算。本文证明了线性规划的简化拟牛顿原对偶内点算法具有多项式最坏情况迭代复杂度。考虑了算法的可行和不可行情况,分析了中心路径的最常见邻域。据我们所知,这是第一次尝试为这些方法提供多项式最坏情况下的迭代复杂度界限。不出所料,当使用拟牛顿方向时获得的最坏情况的复杂度结果比采用牛顿方向时的结果更差。然而,拟牛顿更新是非常有吸引力的大规模最优化问题,其中分解矩阵的成本是远远高于解决线性系的成本。
2022-09-09 math.OC
Exponential Conic Relaxations for Signomial Geometric Programming
本文针对NP难的符号几何规划问题,提出一种基于指数锥规划的新型凸松弛方法,并将其嵌入迭代算法,实验验证了其实际有效性。
2024-06-09 math.OC
Synthesis of Discrete-time Control Barrier Functions for Polynomial Systems Based on Sum-of-Squares Programming
本文提出一种基于平方和规划的交替下降方法,用于高效综合离散时间多项式系统的二次及高次多项式控制障碍函数与控制策略,并通过数值案例验证了方法的有效性。
2025-04-29 cs.SY eess.SY math.OC
Two computationally efficient polynomial-iteration infeasible interior-point algorithms for linear programming
自内点方法发展之初,理论结果与数值经验观测之间就存在着令人困惑的差距,即:具有好的多项式界限的算法在计算上不是有效的,并且在计算中证明有效的算法不具有好的或任何多项式界限。Todd在2002年提出了一个问题:“我们能找到一种理论上和实际上都有效的方法来重新优化吗?“这份文件是缩小差距的一项努力。提出了两种弧搜索不可行内点算法,其不可行中心路径邻域比现有的不可行内点算法都要宽,并证明了算法的收敛性。我们表明,第一个算法是多项式和它的简化版本,如果它终止于有限的迭代,有一个复杂性界等于最好的已知的复杂性界的所有(可行或不可行)的内点算法。我们证明了所提出的算法的计算效率,通过测试所有Netlib线性规划问题的标准式和比较的数值结果所获得的Mehrotra的预测校正算法和最近开发的更有效的弧搜索算法(这两种算法的收敛性是未知的)。我们的结论是,新提出的算法不仅是多项式,而且计算上的竞争力相比Mehrotra的预测校正算法和高效的弧搜索算法。
2018-03-01 math.OC
Biquadratic Cauchy Tensors and Spherical Biquadratic Polynomial Programming
School of Management, Qufu Normal University(曲阜师范大学管理学院);Department of Applied Mathematics, The Hong Kong Polytechnic University(香港理工大学应用数学系)
本文提出双二次Cauchy张量的正定性条件,并通过KL性质证明PAM算法的收敛性,同时通过数值实验验证了算法的效率和稳定性。
2026-01-21 math.OC
A parametric integer programming algorithm for bilevel mixed integer programs
我们考虑离散二层最优化问题,其中跟随者解决具有固定变量数的整数规划。利用参数整数规划的最新结果,我们提出了纯整数和混合整数双层问题的多项式时间算法。对于混合整数的情况下,领导者的变量是连续的,我们的算法还检测是否下确界成本未能达到,一个困难,已被确定,但没有直接在文献中解决。在这种情况下,它产生了一个“比完全多项式时间更好”的近似方案,其运行时间多项式为相对精度的对数。对于纯整数的情况下,领导的变量是整数,因此最优解是保证存在的,我们提出了两个算法,运行在多项式时间的变量的总数是固定的。
2009-11-02 math.OC
Piecewise Polynomial Regression of Tame Functions via Integer Programming
Czech Technical University of Prague(布拉格捷克理工大学);Faculty of Electrical Engineering(电气工程学院)
研究非光滑非凸的Tame函数逼近问题,提出分段多项式回归的混合整数规划公式并给出逼近质量界限,展示了其在估计Tame函数时的良好数值表现。
2024-06-04 cs.AI cs.LG math.OC
MM Algorithms for Geometric and Signomial Programming
University of California, Los Angeles(加州大学洛杉矶分校);North Carolina State University(北卡罗来纳州立大学)
本文基于MM算法框架,利用几何-算术均值不等式和支持超平面不等式,将无约束符号规划转化为一系列一维最小化问题,并扩展至约束情形,特别适用于二次规划。
2010-07-14 cs.NA math.NA math.OC
Bounding stationary averages of polynomial diffusions via semidefinite programming
我们介绍了一个算法的基础上半定规划,产量增加(分别)。降序(递减)具有多项式漂移向量和扩散系数的多项式平稳平均的上界。通过优化的目标,确定的固定平均的利益,在一组真正的向量定义的某些线性等式和半定不等式,满足的时刻的任何固定措施的扩散。我们使用的方法,通过几个应用程序:贝叶斯推理问题;计算的线性常微分方程的李雅普诺夫指数受乘性白噪声;和可靠性问题,从结构力学。此外,我们证明了边界收敛到下确界和上确界的一组平稳平均值与计算的李雅普诺夫指数,我们提供了数值证据的收敛在更一般的设置。
2016-06-03 math.OC math.PR
A non-iterative polynomial algorithm for linear programming
本文提出了一种非迭代的多项式算法,通过构造一个二元向量函数f,利用线性规划问题的约束矩阵和右端矢量来确定最优解的非零性,从而实现非迭代且并行的线性规划求解。
2026-05-19 math.OC