An Iterative Method for Nonconvex Quadratically Constrained Quadratic Programs
研究了非凸二次约束二次规划(QCQP)问题的迭代法.现有的求解非凸QCQP问题的方法之一是将对未知矩阵的秩1约束松弛为半定约束,从而得到最优值的上界,但没有找到精确解。通过重新考虑秩一矩阵,提出了一种逐步逼近秩一约束的迭代秩最小化方法。每一次迭代都被表示为一个带半定约束的凸问题。为了提高算法的可扩展性和计算效率,提出了一种增广拉格朗日方法--扩展Uzawa算法。仿真实例使用所提出的方法和比较结果从其他方法提供和讨论。
2016-09-08 math.OC
Penalized Semidefinite Programming for Quadratically-Constrained Quadratic Optimization
本文对非凸二次约束二次规划给出了一种新的惩罚半定规划方法。我们将惩罚条款的凸松弛的目标,以检索可行的和近最优解的非凸QCQP。引入广义线性无关约束规格(GLICQ)准则,证明了任意充分接近可行集的GLICQ正则点都可以用来构造适当的惩罚项,从而得到可行解.受这些结果的启发,我们开发了一个启发式的顺序程序,保留可行性,旨在提高在每次迭代的目标值。对大规模系统辨识问题以及二次规划(QPLIB)库中的基准实例进行的数值实验表明,所提出的惩罚半定规划能够找到非凸QCQP的近最优解.
2020-04-29 math.OC
On global properties of lower semicontinuous quadratically minorized functions
利用一类抽象凸性($Φ_{lsc}$ -凸性)的框架,研究了希尔伯特空间中下连续二次极小化函数的性质.证明了一个新的结果,即对于每个局部$Φ_{lsc}$ -次梯度,存在一个整体次梯度,这在我们的研究中起着至关重要的作用。给出了局部$C^{1,1}$函数、二次连续可微函数、近似正则函数和仿凸函数的抽象次可微性($Φ_{lsc}$ -次可微性)的条件.作为应用,我们建立了$Φ_{lsc}$ -凸函数的极大极小相等的一个新的充分必要条件.这个新条件用$Φ_{lsc}$ -次微分的热表示。
2020-04-10 math.OC
Consensus-ADMM for General Quadratically Constrained Quadratic Programming
非凸二次约束二次规划(QCQP)问题在信号处理、机器学习和无线通信中有着广泛的应用,尽管一般的QCQP是NP难的,并且一些有趣的特殊情况也是NP难的。本文提出了一种新的通用QCQP算法。该问题首先被重新表述为共识优化形式,其中的交替方向法的乘法器(ADMM)可以应用。重新制定是这样一种方式,每个子问题是一个QCQP只有一个约束(QCQP-1),这是有效地解决(非)凸性无关。核心组件经过精心设计,使整个算法更具可扩展性,包括求解QCQP-1的有效方法,内存高效实现,并行/分布式实现和智能初始化。该算法,然后在两个应用程序中进行测试:多播波束形成和相位检索。结果表明优于现有技术的方法的性能。
2016-07-07 math.OC
Enhancements of Discretization Approaches for Non-Convex Mixed-Integer Quadratically Constraint Quadratic Programming: Part II
这是研究非凸混合整数二次约束二次规划(MIQCQP)的混合整数规划(MIP)松弛技术的第二部分。我们把重点放在MIP松弛法的非凸连续变量的产品和扩展著名的MIP松弛归一化多参数解聚技术(NMDT),适用于一个复杂的离散化的两个变量。我们把这种方法称为双重离散化归一化多参数解聚技术(D-NMDT)。在一个全面的理论分析,我们强调的理论优势的增强方法D-NMDT相比NMDT。此外,我们进行了广泛的计算研究,以证明其有效性方面的生产紧MIQCQP的对偶界限。最后,我们将D-NMDT与第一部分中的可分离MIP松弛和最先进的MIQCQP求解器进行比较。
2023-02-02 math.OC
Semidefinite Relaxation for Two Mixed Binary Quadratically Constrained Quadratic Programs: Algorithms and Approximation Bounds
针对两类混合二元二次约束二次规划(MBQCQP)提出了新的半定规划(SDP)松弛技术,并分析了它们的逼近性能。第一类问题是在$N$维实或复欧几里得空间中求两个最小范数向量,使得满足$2M$凹二次函数中的$M$。通过采用一个特殊的随机舍入过程,我们证明了该模型的最优解的范数与其SDP松弛之间的比率在真实情况下由$\frac{54M^2}π$上界,在复杂情况下由$\frac{24M}{\sqrtπ}$上界。第二类问题找到一系列的最小范数向量的二次约束和基数约束的二元和连续变量。我们表明,在这种情况下的逼近比也是有界的,独立的问题的真实和复杂的情况下的尺寸。
2014-03-17 math.OC
On Local Minimizers of Quadratically Constrained Nonconvex Homogeneous Quadratic Optimization with at Most Two Constraints
本文研究了具有一个或两个约束的非凸齐次二次约束二次优化问题,分别记为(QQ1)和(QQ2)。(QQ2)包含(QQ 1)、置信域子问题(TRS)和椭球正则化总体最小二乘问题作为特例。已知(QQ2)的全局极小存在一个充分必要的最优性条件.在本文中,我们首先证明了(QQ1)的任何局部极小是全局最优的。不同于它的特殊情况(TRS)至多有一个局部非全局极小,(QQ2)可能有无穷多个局部非全局极小。在(QQ2)的任何局部非全局极小点处,线性无关约束规格和严格互补条件均成立,且拉格朗日函数的Hessian恰好有一个负特征值.作为一个主要贡献,我们证明了标准的二阶充分最优性条件的任何严格的局部非全局极小(QQ2)仍然是必要的。应用和进一步扩展的不可能性进行了讨论。
2021-07-21 math.OC
On the Nearest Quadratically Invariant Information Constraint
二次不变性是一个条件,它已被证明允许最优分散控制问题被转换为凸优化问题。该条件将分散化对控制器施加的约束与工厂的结构相关联。在本文中,我们考虑的问题,找到最近的子集和超集的分散约束是二次不变的,而原来的问题是不。我们表明,这本身可以作为一个凸问题的情况下,控制器是受子系统之间的延迟约束,但这失败时,我们只考虑控制器上的稀疏约束。在这种情况下,我们开发了一个算法,找到最接近的超集在一个固定的步骤数,并讨论方法找到一个封闭的子集。
2011-09-28 math.OC
Equivalent Sufficient Conditions for Global Optimality of Quadratically Constrained Quadratic Program
研究了一般二次约束二次规划(QCQP)的几个著名的充分最优性条件的等价性。这些条件分为两类。第一个用于确定最优解,第二个用于找到最优值。第一类条件包括拉格朗日函数的鞍点的存在性和QCQP的原始SDP松弛的秩1最优解的存在性。第二类包括$η_p = ζ$、$η_d = ζ$和$φ= ζ$,其中$ζ$、$η_p$、$η_d$和$φ$分别表示QCQP、对偶SDP松弛、原始SDP松弛和拉格朗日对偶的最优值。我们证明了这些条件的等价性,有或没有QCQP和/或斯莱特约束规格的原始SDP松弛的最优解的存在。本文还将这些结果推广到非负变量的等式约束QCQP的双重非负松弛问题。
2023-03-13 math.OC
Second Order Cone Constrained Convex Relaxations for Nonconvex Quadratically Constrained Quadratic Programming
本文对非凸二次约束二次规划(QCQP)问题提出了新的凸松弛解。虽然最近的研究集中在加强凸松弛使用重构线性化技术(RLT),国家的最先进的方法失去了他们的有效性时,处理(多个)非凸二次约束QCQP。在这项研究中,我们分解和放松每个非凸约束两个二阶锥(SOC)约束,然后线性化的SOC约束和线性约束的产品,以构建一些有效的新的有效约束。此外,我们扩展了几乎所有不同类型的约束对(包括有效的不等式线性化的产品的SOC约束,和Hadamard产品或Kronecker产品的两个相应的有效的线性矩阵不等式)的RLT类技术的范围,检查不同的有效不等式之间的优势关系,并探索几乎所有的可能性,从生成有效的约束中获益。特别是,我们成功地证明,应用RLT类似的技术,额外的冗余线性约束可以减少松弛间隙。我们证明了我们的结果与数值实验的效率。
2017-09-16 math.OC
On Representing Convex Quadratically Constrained Quadratic Programs via Graph Neural Networks
University of Chinese Academy of Sciences(中国科学院大学);Shenzhen Research Institute of Big Data(深圳大数据研究院);School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)理工学院);School of Data Science, The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)数据科学学院);School of Computer Science and Technology, Tongji University(同济大学计算机科学与技术学院)
本文提出了一种新的三部图表示法,利用图神经网络表示和解决凸二次约束二次规划问题,展示了GNNs在表示凸QCQPs关键属性方面的潜力。
2025-11-22 math.OC
Enhancements of Discretization Approaches for Non-Convex Mixed-Integer Quadratically Constraint Quadratic Programming: Part I
本文针对非凸MIQCQP提出增强的HybS可分离MIP松弛与锯齿松弛,并通过理论分析和计算实验验证其紧致对偶界效果。
2023-08-17 math.OC
Exact SDP relaxations of quadratically constrained quadratic programs with forest structures
研究了二次约束二次规划半定规划松弛的精确性。利用QCQP数据矩阵的聚集稀疏矩阵,研究了$n$变量的聚集稀疏矩阵的秩和半正定性。我们证明,如果聚集稀疏矩阵的秩不小于$n-1$和矩阵保持半正定后,替换一些非对角非零元素为零,然后标准的SDP松弛提供了一个精确的最优解的QCQP的可行性假设。特别地,我们证明了具有森林结构的聚集稀疏矩阵的QCQP,如三对角或箭头型矩阵,满足秩的精确性条件。在假设可行域是紧的条件下,考虑了对偶SDP松弛的可行性、SDP的强对偶性和一系列具有扰动目标函数的QCQP,得到了精确解.我们推广我们的结果,更广泛的一类QCQP的数据矩阵上同时应用三对角化。此外,同时三对角化应用到一个矩阵束,使QCQP与两个约束可以精确地解决的SDP松弛。
2020-09-19 math.OC
On two relaxations of quadratically-constrained cardinality minimization
本文考虑了二次约束基数最小化问题及其在数字滤波器设计、线性回归子集选择和投资组合选择中的应用。研究了两种弛豫:连续松弛的混合整数制定,和优化的对角松弛,利用一个简单的特殊情况下的问题。对于连续松弛,推导出最优成本的绝对上界,表明连续松弛往往是一个相对较差的近似。在计算实验中,对角松弛通常提供比连续松弛更强的边界,并且可以大大降低分支定界解的复杂性,即使在不是特别接近对角的情况下。相对于混合整数规划求解器CPLEX观察到类似的增益。基于这些结果,分析了对角松弛的近似性质。特别是,建立在定义的二次约束的矩阵的特征值的近似比的界限,也在对角占优和近坐标对齐的情况下。
2012-10-18 math.OC
Sparse Quadratically Constrained Quadratic Programming via Semismooth Newton Method
School of Mathematics and Statistics, Beijing Jiaotong University(北京交通大学数学与统计学院)
本文提出一种基于P-稳定性和半光滑牛顿法的直接求解稀疏二次约束二次规划问题的高效算法,具有低计算复杂度和局部二次收敛性,数值实验验证了其准确性与效率。
2025-10-08 math.OC
Valid inequalities and global solution algorithm for Quadratically Constrained Quadratic Programs
我们考虑问题$(QP)$的精确解,该问题包含在极小化受二次约束的二次函数中。从经典的凸松弛的McCormick包络出发,我们引入了12个不等式,这些不等式是由$(QP)$的变量范围导出的。证明了这些一般的三角不等式割取McCormick包络的可行解。然后,我们展示了如何计算凸松弛$(P^*)$的最优值等于“肖氏加RLT加三角形”半定松弛的$(QP)$,其中包括新的不等式。我们还提出了一个启发式解决这个巨大的半定程序,作为一个分离算法。然后,我们解决了$(QP)$的全局最优性与分支定界的基础上$(P^*)$。此外,由于新的不等式涉及$(QP)$的原始变量的上下上界,它们在分支定界框架中的使用加速了整个过程。我们在unitbox实例上显示,我们的方法优于比较的求解器。
2020-05-06 math.OC
A Globally and Quadratically Convergent Algorithm with Efficient Implementation for Unconstrained Optimization
本文对非线性无约束最优化问题提出了一种有效的修正牛顿型算法。修正的Hessian矩阵是单位矩阵(用于最速下降算法)和黑塞矩阵(用于Newton算法)的凸组合。在每次迭代中动态地选择凸组合的系数。证明了该算法对(凸和非凸)非线性函数是全局收敛的和二次收敛的。高效的实施描述。对广泛应用的CUTE测试问题进行了数值试验。并将试验结果与MATLAB优化工具箱函数{ \tt fminunc}的结果进行了比较。测试结果也比较了一些既定的和国家的最先进的算法,如有限的记忆BFGS,下降和共轭梯度算法,和有限的记忆和下降共轭梯度算法。实验结果表明,该算法具有较好的性能.
2012-12-21 math.OC
Linear Programming Relaxations of Quadratically Constrained Quadratic Programs
我们研究了使用线性规划工具来解决二次约束二次问题的半定规划松弛。给出了一类有效的线性不等式,包括稀疏PSD割和主子式PSD割.基于文献中的实例计算结果。
2012-06-07 cs.DM math.CO math.OC
A Globally Linearly Convergent Method for Pointwise Quadratically Supportable Convex-Concave Saddle Point Problems
研究了Drori、Sabach和Teboulle最近提出的求解由光滑凸函数、有限个非光滑凸函数和双线性项组成的非光滑结构凸凹鞍点问题的\emph{Proximal Alternating Predictor-Corrector}(PAPC)算法.我们引入逐点二次可支持性的概念,这是一个放松的标准强凸性假设,并允许我们表明,原始序列是R-线性收敛到一个最优解和原始对偶序列是全局Q-线性收敛。我们说明所提出的方法全变差去噪问题和局部自适应估计信号/图像反卷积和去噪与多分辨率统计约束。
2017-02-28 math.OC
Symmetry Detection for Quadratically Constrained Quadratic Programs Using Binary Layered Graphs
数学规划中的对称性可能导致多重解。在非凸优化中,它会对分支定界算法的性能产生负面影响。对称性可能导致具有多个等价解(即具有相同的最优值)的大型搜索树。处理对称性首先需要检测和分类它。这项工作开发的方法,通过邻接矩阵的二次约束二次优化问题的制定检测组的对称性。利用图论,我们将这些矩阵转换成二进制分层图(BLG),并将它们输入到软件包nauty。Nauty生成了原问题的重要对称性质。
2019-01-20 cs.DS math.OC
Learning to Select Between LP and SDP Relaxations for Nonconvex Quadratically Constrained Quadratic Programs
Sabancı University(萨巴奇大学);University of Edinburgh(爱丁堡大学)
本文提出一种基于机器学习的放松选择方法,根据实例结构自动决定使用线性规划还是半定规划更有效,通过谱特性与稀疏模式特征进行预测。
2026-11-03 math.OC
A Quadratically-Constrained Convex Approximation for the AC Optimal Power Flow
Davidson School of Chemical Engineering, Purdue University(普渡大学戴维森化学工程学院)
本文提出了一种二次约束的凸近似方法,用于更精确地解决交流最优功率流问题,通过保留原始方程的稀疏性,提高了分布式电力系统优化的可行性。
2026-01-20 math.OC
Parabolic Relaxation for Quadratically-constrained Quadratic Programming -- Part II: Theoretical & Computational Results
University of Texas Arlington(德克萨斯大学阿灵顿分校);Cognitiv;University of California Berkeley(加州大学伯克利分校)
在本工作的第一部分[32]中,我们引入了二次约束二次规划的凸抛物松弛,以及一个顺序惩罚抛物松弛算法来恢复近最优可行解。在第二部分中,我们证明了从一个可行解或一个满足一定正则性条件的近似可行解出发,序列惩罚抛物松弛算法收敛到一个满足Karush-Kuhn-Tucker最优性条件的点。接下来,我们提出了基准非凸QCQP问题的数值实验,以及大规模的系统辨识问题的实例证明所提出的方法的效率。
2022-08-07 cs.LG math.OC
A Quadratically Convergent Sequential Programming Method for Second-Order Cone Programs Capable of Warm Starts
针对线性二阶锥规划,提出基于序列二次规划框架的新方法,利用多面体外逼近克服不可微性,支持热启动并实现局部二次收敛,精度优于内点法。
2023-07-28 math.OC
A tight compact quadratically constrained convex relaxation of the Optimal Power Flow problem
在本文中,我们考虑的最优潮流(OPF)问题,其中包括在确定的电力网络的每个节点的电力生产,通过最小化生产成本。我们的贡献是一个精确解算法的最优潮流问题。它包含在一个空间分支定界算法的基础上紧二次约束凸松弛。该紧凑松弛通过在算法开始时求解秩松弛一次来计算。该方法的关键是在分枝定界树的根节点处的下界等于秩松弛值,但通过求解二次凸问题获得,这比求解SDP要快得多。为了构造这种紧凑的松弛,我们只添加O(n)个变量,这些变量对初始变量的平方进行建模,其中$n$是电力系统中的母线数量。因此,初始变量和辅助变量之间的关系是非凸的。通过在我们的松弛中放松它们,我们只有O(n)个等式来强迫分支定界算法来证明全局最优性。我们的第一个实验表明,我们的新算法紧凑的OPF(COPF)的性能优于文献中的方法,我们比较它与
2021-05-02 math.OC
Robust Planning with Quadratically Constrained State-Dependent Uncertainties
University of California at Berkeley(加州大学伯克利分校)
本文针对具有状态约束和状态相关不确定输入的鲁棒轨迹规划问题,通过拉格朗日对偶推导有限非光滑约束,并提出两步凸启发式方法,在交会场景中计算时间较Gurobi减少13.8倍且保持鲁棒性。
2026-10-01 math.OC
A Quadratically Convergent Alternating Projection Method for Nonconvex Sets
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Institute of Applied Mathematics, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院应用数学研究所);National University of Singapore(新加坡国立大学);University of Chicago(芝加哥大学)
本文提出了一种针对非凸集的二次收敛交替投影方法,通过交替牛顿步和投影操作,在非退化条件下实现局部二次收敛性,并通过实验验证了方法的高效性。
2025-11-28 math.OC
A quadratically convergent proximal algorithm for nonnegative tensor decomposition
针对非负张量分解问题,该研究提出一种近端半光滑Gauss-Newton类算法,证明其在收敛到全局最优时具有Q-二次收敛性,通过回溯前向后向包络函数实现全局收敛,实验验证了收敛性且其梯度计算次数远少于近端梯度下降法。
2020-03-07 math.OC
Parabolic Relaxation for Quadratically-constrained Quadratic Programming -- Part I: Definitions & Basic Properties
University of Texas, Arlington(德克萨斯大学阿灵顿分校);Cognitiv;University of California, Berkeley(加州大学伯克利分校)
对于一般的二次约束二次规划(QCQP),我们提出了一个用凸二次约束描述的抛物松弛。抛物松弛的一个有趣性质是原始非凸可行集包含在抛物松弛的边界上。在某些假设下,这个属性使人们能够通过客观惩罚来恢复接近最优的可行点。此外,通过一个适当的坐标的变化,需要一个最佳的基础一次性计算,求解器-求解抛物线松弛可以做得像半定规划(SDP)松弛一样强,这可以有效地加速算法,需要解决一系列凸代理。大部分理论和计算结果将在本工作的下一部分中给出[57]。
2022-08-07 cs.LG math.OC
Compact Disjunctive Approximations to Nonconvex Quadratically Constrained Programs
混合整数线性规划(MILP)和混合整数二阶锥规划(MISOCP)几十年来的发展已经非常温和地转化为全局求解非凸混合整数二次约束规划(MIQCP)的进展。在本文中,我们提出了一种新的方法,即紧凑析取近似(CDA),近似非凸MIQCP到任意精度的\textit{convex} MIQCP,它可以解决的MISOCP求解器。对于非凸MIQCP与$n$变量和$m$一般二次约束,我们的方法产生松弛与最多$O(n\log(1/\varepsilon))$数量的连续/二进制变量和线性约束,连同$m$ \textit{convex}二次约束,其中$\varepsilon$是近似精度。我们的方法的主要新颖之处在于一个非常紧凑的解除混合整数制定近似(标量)平方函数。这是通过首先将平方函数嵌入到三维二阶锥的边界中,然后以与Bental-Nemirovski近似的构造类似的方式利用旋转对称性而导出的。我们进一步表明,这解除制定的特点工会有限数量的简单凸集,自然放松的平方函数在一个分段的方式与适当放置的结。我们实现(与JuMP)一个简单的自适应细化算法。在文献中使用的合成实例的数值实验表明,我们的原型实现(数百行Julia代码)已经可以关闭各种国家的最先进的全局求解器在更困难的情况下留下的差距的显着部分,表明我们提出的方法的强大的承诺。
2018-11-20 math.OC
Introducing the quadratically-constrained quadratic programming framework in HPIPM
本文介绍了二次约束二次规划(QCQP)框架最近添加到HPIPM与原来的二次规划(QP)框架。新框架的目标是不变的,即提供有效和可靠地解决(更一般的类)最优控制问题(OCP)的积木。新引入的QCQP框架提供了与原始QP框架相同的全部功能:三种类型的QCQP(密集、最优控制和树结构最优控制QCQP)和内点法(IPM)求解器以及(部分)压缩和其他预处理例程。利用HPIPM的模块化结构,新的QCQP框架建立在QP构建块的基础上,同样提供了快速可靠的IPM求解器。
2021-12-22 cs.SY eess.SY math.OC
Quadratically Regularized Subgradient Methods for Weakly Convex Optimization with Weakly Convex Constraints
具有非凸约束的最优化模型出现在机器学习中的许多任务中,例如,具有公平性约束的学习或具有非凸损失的Neyman-Pearson分类。虽然许多有效的方法已经开发了理论上的收敛保证非凸无约束问题,它仍然是一个挑战,设计可证明有效的算法,非凸泛函约束问题。本文提出了一类求解约束优化问题的次梯度法,其中目标函数和约束函数都是弱凸非光滑的。我们的方法解决了一系列的强凸子问题,其中一个二次正则化项被添加到目标函数和每个约束函数。每个子问题可以用各种强凸优化算法求解。在一致的斯莱特条件下,我们建立了我们的方法的计算复杂性,寻找一个几乎稳定点。
2023-03-23 math.OC
A Distributed Algorithm for High-Dimension Convex Quadratically Constrained Quadratic Programs
我们提出了一个雅可比风格的分布式算法来解决凸,二次约束二次规划(QCQP),这是从广泛的应用。虽然小到中等大小的凸QCQP可以有效地解决的邻域点算法,大规模的问题提出了重大的挑战,主要是为了实现在一个单一的计算单元的传统算法。然而,爆炸式增长的数据量(以及由此产生的问题规模)可能会压倒任何这样的单元。在本文中,我们提出了一个分布式算法一般,不可分离的,大规模的凸QCQP,使用一种新的思想,预测-校正原始-对偶更新与自适应步长。该算法能够实现数据的分布式存储以及并行分布式计算。我们建立了该算法收敛到一个全局最优值的条件,并实现了我们的算法上的多个节点的计算机集群使用消息传递接口(MPI)。在不同规模的数据集上进行的数值实验表明,该算法在求解大规模问题时具有良好的可扩展性.
2021-10-01 cs.DC math.OC
Robust SOS-Convex Polynomial Programs: Exact SDP Relaxations
研究了一类凸多项式规划在数据不确定性下的鲁棒解和半定线性规划(SDP)松弛问题。这类凸规划称为鲁棒SOS-凸规划,包括鲁棒二次约束凸规划和鲁棒可分凸多项式规划。它建立的平方和多项式表示的鲁棒解和精确的SDP松弛的鲁棒SOS凸规划在各种常用的不确定性集。特别是,结果表明,多面体和椭球的不确定性集,允许二阶锥重新制定的强大的二次约束的程序,继续允许精确的SDP松弛广泛的一类强大的SOS凸计划。他们还产生确切的二阶锥松弛鲁棒二次约束的程序。
2013-10-07 math.OC
Sparsity of Quadratically Regularized Optimal Transport: Bounds on concentration and bias
本文首次在一般维度上定量刻画二次正则化最优输运问题中最优耦合支撑的稀疏性,利用密度逐点界和Minty技巧给出支撑大小与位置的界,并在自输运情形下得到阶为 $ε^{\ rac{1}{2+d}}$ 的最优速率。
2024-10-04 math.OC math.PR
Quadratically-Regularized Optimal Transport on Graphs
最优传输提供了一种将几何域上的点之间的距离提升为该域上的信号之间的距离的方法,该距离表示为概率分布。在图上,运输问题可以用来表达具有挑战性的任务,包括以最小的运输费用将供应与需求相匹配;在离散语言中,这些成为最小成本网络流问题。通常需要正则化来确保线性地面距离情况的唯一性并提高优化收敛性;最先进的技术在运输矩阵上采用熵正则化。在本文中,我们探讨了一个二次替代熵正则化的运输图。我们从理论上分析了二次正则化图传输的行为,描述了正则化如何影响小但非零正则化区域的流结构。我们进一步利用优雅的二阶结构在这个问题的对偶推导出一个易于实现的牛顿型优化算法。
2018-03-23 cs.NA math.NA math.OC
Quadratically constrained quadratic programming for classification using particle swarms and applications
Indian Institute of Science(印度科学学院)
将粒子群算法应用于多个组合优化问题。在这项工作中,粒子群被用来解决二次约束的二次规划问题。粒子群方法是优化中内点方法作为迭代技术的一个例子。这种方法是新颖的,处理分类问题,而不使用传统的分类器。我们的方法确定最佳超平面或分类边界的数据集。在二进制分类问题中,我们将每个类约束为一个聚类,该聚类被椭球包围。两个簇之间的最优超平面的估计被提出作为一个二次约束的二次问题。采用改进的粒子群算法对优化问题进行分布式求解。我们的方法的优点是使用的方向朝着最优解,而不是搜索整个可行域。在Iris、Pima、Wine和Thyroid数据集上的实验结果表明,该方法优于神经网络,性能接近SVM。
2014-07-23 cs.AI cs.LG cs.NE
Quantitative Convergence of Quadratically Regularized Linear Programs
本研究量化了二次正则化线性规划解的收敛性,给出了正则化参数的精确阈值及阈值前后的次优性界限,并应用于最优输运,揭示了与数据点数的依赖关系。
2025-04-22 math.AP math.OC math.PR
Quadratically Regularized Optimal Transport: Existence and Multiplicity of Potentials
本文研究二次正则化最优传输中势函数的存在性与唯一性,证明一般成本下势函数存在,离散问题中势函数多重性与支撑集连通分量相关,连续问题中势函数唯一,并首次给出小正则化参数下最优支撑集稀疏性的理论保证。
2025-03-09 math.OC math.PR
Semidefinite approximation for mixed binary quadratically constrained quadratic programs
Shanghai University(上海大学);University of Minnesota(明尼苏达大学)
针对无线通信中的混合二元二次约束二次规划问题,提出半定规划松弛方法,并分析其逼近性能。
2014-03-17 cs.NA math.NA math.OC
A Distributed Accelerated Preconditioned ADMM for Solving Quadratically Regularized Optimal Transport on Bipartite Graphs
Sun Yat-sen University(中山大学)
针对二部图上二次正则化最优传输问题,提出分布式加速预条件ADMM(DAP-ADMM),实现全局收敛与非遍历O(1/k)界,并通过无求解器投影和自适应惩罚机制加速收敛。
2026-10-08 cs.DC math.OC
A novel dual-decomposition method for non-convex two-stage stochastic mixed-integer quadratically constrained quadratic problems
针对确定性等价为非凸混合整数二次约束二次规划(MIQCQP)模型的两阶段随机规划问题,提出可通过精度因子p调整解精度的p分支定界方法,结合p拉格朗日分解与对偶分解技术,在随机实例上测试性能优于Gurobi。
2025-02-19 cs.NA math.NA math.OC
An ADMM-Based Approach to Quadratically-Regularized Distributed Optimal Transport on Graphs
本文提出一种基于ADMM的分布式算法,用于在有向强连通图上求解带二次正则化的最优传输问题,并证明其在有无正则化情况下均收敛,实验验证了正则化对收敛性和稀疏性的影响及算法对拓扑变化的鲁棒性。
2025-07-06 cs.NA math.NA math.OC
Linear Convergence of Gradient Descent for Quadratically Regularized Optimal Transport
Columbia University(哥伦比亚大学)
本文研究了二次正则化最优传输中梯度下降法的收敛性,证明了在连续情况下,梯度下降算法在$ L^2 $空间中的线性收敛性。
2026-05-19 math.AP math.FA math.OC