Singular Continuation: Generating Piece-wise Linear Approximations to Pareto Sets via Global Analysis
我们提出了一个战略,近似帕累托最优集的基础上提出的全球分析框架Smale(动力系统,纽约,1973年,第100页)。531-544)。该方法突出和利用帕累托集的基本流形结构,通过单纯复形近似帕累托最优解。该方法区分了奇异集、Pareto临界集和稳定Pareto临界集之间的层次关系,并能处理一般非凸情形下局部Pareto前沿的叠加问题.此外,一个平方收敛结果在一个合适的集明智的意义证明和测试的数值例子。
2011-02-21 math.DG math.GT math.OC
Optimality conditions for approximate Pareto solutions of a nonsmooth vector optimization problem with an infinite number of constraints
本文利用Clarke次微分给出了一类具有无穷多个约束的非光滑向量最优化问题的近似Pareto解的若干新的最优性充要条件最优性条件.作为结果,我们得到了锥约束凸向量最优化问题和半定向量最优化问题的特殊情况下的最优性条件。并举例说明所得结果。
2019-05-13 math.OC
Pareto Robust optimization on Euclidean vector spaces
鲁棒线性规划的Pareto有效性由Iancu和Trichakis在[9]中引入。我们将他们的方法和理论结果推广到具有仿射不确定性的欧几里得空间中的鲁棒最优化问题。此外,我们证明了这种方法在鲁棒半定规划(SDP)领域的示范性方式的价值。特别是,我们证明了计算Pareto鲁棒最优解的鲁棒SDP是易于处理的,并说明了这样的解决方案的好处,在最大本征值问题的例子。此外,我们修改了Goemans和Williamson [8]的著名算法,以便计算鲁棒最大割问题的割,从而在非最坏情况下产生改进的近似保证。
2022-08-18 math.OC
Inner approximating the completely positive cone via the cone of scaled diagonally dominant matrices
由于完全正规划在编码困难最优化问题方面的表现力,许多完全正锥的近似方案被提出并成功应用。大多数方案都是基于外部近似,只有内部近似是基于线性规划的方法,由Bundfuss和Dür以及Yıldırım提出,以及Lasserre提出的基于半定规划的方法。在本文中,我们提出了使用的锥的非负规模对角占优矩阵作为一个自然的内部逼近的完全正锥。利用这个锥的投影,我们得到新的基于图的二阶锥逼近计划完全正规划,导致统一和问题相关的层次结构。这提供了半定规划的表达能力和基于线性规划的方法的速度之间的折衷。随机问题,标准二次规划和独立集问题的数值结果表明,我们的方法的有效性。
2019-10-04 math.OC
Approximating projections by quantum operations
利用半定规划的技巧,我们研究了寻找一个最接近于矩阵子系统上投影的量子信道的问题。我们推导出与Duan,Severini和Winter的量子Lovász θ函数相关的矩阵子系统的两个不变量。
2023-02-24 math.OA math.OC quant-ph
A Framework for Controllable Pareto Front Learning with Completed Scalarization Functions and its Applications
本文针对帕累托前沿学习中偏好向量与最优解映射不明确的问题,提出结合伪凸标量化函数与超网络的可控帕累托前沿学习框架,在保证高精度的同时显著降低推理时间。
2023-08-13 math.OC
Semidefinite Approximations of Invariant Measures for Polynomial Systems
我们考虑的问题,数值近似的时刻和支持的措施是不变的连续和离散时间多项式系统的动态,半代数集约束下。首先,我们解决的问题,近似的密度,因此支持的不变测度是绝对连续的勒贝格测度。然后,我们重点讨论了关于勒贝格测度奇异的不变测度的支撑的逼近。每一个问题都是通过一个适当的重新制定成一个线性最优化问题的措施,解决了在实践中的两个层次的有限维半定矩平方和松弛,也被称为Lasserre层次。在特定的假设下,第一个拉塞尔层次允许近似的时刻,一个绝对连续的不变测度接近所需的,并提取一个序列的多项式收敛弱密度的这种措施。第二Lasserre层次结构允许近似接近所需的Hausdorff度量的支持奇异不变测度与水平集的Christoffel多项式相关联的矩矩阵的这一措施。我们还提出了一些应用的例子,以及几个动力系统的数值结果承认无论是绝对连续或奇异的不变测度。
2018-07-02 math.DS math.OC
Optimization over Structured Subsets of Positive Semidefinite Matrices via Column Generation
IBM Research(IBM 研究部)
本文提出通过线性规划和二次锥规划近似正定矩阵锥的方法,利用列生成思想改进初始近似,并应用于非凸多项式优化和离散优化问题。
2016-03-11 cs.DM cs.SY eess.SY
On the Quality of a Semidefinite Programming Bound for Sparse Principal Component Analysis
我们研究的问题,近似一个积极的,半定矩阵$Σ$的二元$xx^T$,与惩罚的基数向量$x$。这个问题出现在稀疏主成分分析中,其中寻求涉及稀疏因子的$Σ$的分解。我们表达这个困难的组合问题作为一个最大本征值问题,在其中,我们寻求最大化,在一个盒子,一个对称矩阵,是线性的变量的最大本征值。这种表示允许使用鲁棒优化技术,基于半定规划导出一个界。使用Nemirovski和Ben-Tal(2002)启发的技术研究了边界的质量。
2006-02-03 math.OC math.ST stat.TH
A new scheme for approximating the weakly efficient solution set of vector rational optimization problems
本文给出了一类有理目标向量最优化问题的弱有效解集在由多个多项式不等式定义的可行集上的一种新的逼近方法.更确切地说,我们提出了一个程序,以获得一系列的明确的近似的弱有效解集的问题。每个近似是一个单一的多项式和可行集的子水平集的交集。为此,我们利用与所考虑的问题,并构建多项式逼近,它从上面的可行集的实现功能。值得注意的是,该结构可以转换为半定规划问题。几个非平凡的例子来说明所提出的新方案。
2022-05-25 math.OC
Low-rank semidefinite programming for the MAX2SAT problem
Carnegie Mellon University(卡内基梅隆大学);Bosch Center for Artificial Intelligence(博世人工智能中心)
将搜索法与半定规划方法相结合,提出了一种求解MAX2SAT问题的新算法。半定规划技术是众所周知的近似最大可满足性问题的理论工具,但它们的应用传统上受到其速度和随机性的限制。我们的方法克服了这一困难,使用最近的低秩半定规划的方法,专门工作在一个增量的方式适合于使用在一个精确的搜索算法。该方法可以在完整或不完整的求解器中使用,并且我们在最近的比赛中演示了各种问题。我们的实验表明,该方法是更快(有时由数量级)比现有的国家的最先进的完整和不完整的解决方案,代表了一个实质性的进步,专门为MAX2SAT问题的搜索法。
2018-12-15 cs.AI math.OC
Complexity analysis of interior-point methods for second-order stationary points of nonlinear semidefinite optimization problems
针对现有非线性半定优化算法仅保证一阶平稳且无迭代复杂度的问题,提出带负曲率方向的原对偶内点法,可收敛到二阶平稳点并具备最坏情况迭代复杂度,实验验证了方法有效性。
2023-06-16 math.OC
Iterative Inner/outer Approximations for Scalable Semidefinite Programs using Block Factor-width-two Matrices
在本文中,我们提出了迭代内/外近似的基础上最近的概念块因子宽度2矩阵求解半定规划(SDP)。我们的内/外近似算法生成一系列的上/下界的最佳SDP成本的精度不断增加。在我们的算法中的块划分提供了灵活性的数值效率和解决方案的质量,其中包括作为特殊情况的缩放对角优势(SDD)近似的方法。我们讨论的理论结果和数值实现的细节。我们的主要定理保证所提出的迭代算法产生单调递减的上(下)界。大量的数值结果证实了我们的发现。
2022-09-29 cs.SY eess.SY math.OC
Analysis and Control of Stochastic Systems using Semidefinite Programming over Moments
本文对多项式定义的跳扩散过程的概率分析和最优控制设计给出了统一的方法。对于这样的系统,状态矩的演化可以通过线性常微分方程系统来描述。然而,通常情况下,矩是不封闭的,需要一个无限的方程组来精确计算统计矩。现有的随机分析方法,称为封闭方法,集中在近似这个无限的方程组与有限维系统。这项工作开发了一种替代方法,其中高阶项,这是近似封闭的方法,被视为输入到一个有限维线性控制系统。在这种解释下,统计矩的下界可以通过半定约束的凸线性最优控制问题来计算。对于稳态分布的分析,这个最优控制问题归结为一个静态半定规划。这些相同的最优化问题自动扩展到随机最优控制问题。对于最小化问题,该方法导致保证真正的最优值的下界。此外,我们展示了一个近似的最优控制策略可以从半定规划的解决方案。使用大量的例子说明了结果。
2017-02-01 math.OC
Semidefinite approximations of projections and polynomial images of semialgebraic sets
给定R^n的一个紧半代数集S和R^n到R^m的一个多项式映射f,我们考虑R^m中象集F = f(S)的逼近问题.这尤其包括当n大于m时S在R^m上的投影。假设F包含在一个“简单”的集合B中(例如一个盒子或一个球),我们提供了两种方法来计算F的证明外近似。方法1利用了F可以用存在量词定义的事实,而方法2计算了像测度的支持度的近似,这两种方法输出了一个由单个多项式定义的超水平集序列,这些超水平集产生了F的显式外近似。找到这个多项式的系数归结为计算一个凸半定规划的最优解。当多项式逼近的次数趋于无穷大时,我们保证了在B上的L^1范数下强收敛于F。提供了几个应用程序的例子,连同数值实验。
2015-07-22 math.OC
Semidefinite Approximations of Reachable Sets for Discrete-time Polynomial Systems
考虑在一般半代数集约束下,由半代数初始条件集逼近离散时间多项式系统的可达集的问题。假设包含在一个给定的简单集,如一个盒子或椭球,我们提供了一种方法来计算认证的外部近似的可达集。所提出的方法包括建立一个层次的松弛的无穷维矩问题。在一定的假设条件下,该问题的最优值是可达集的体积,最优解是勒贝格测度对该集的约束。然后,我们可以外近似的可达集,如所需的增加次数多项式的超水平集的层次结构。对于每一个固定的次数,找到多项式的系数归结为计算凸半定规划的最优解。当多项式逼近的次数趋于无穷大时,我们给出了超水平集到可达集的强收敛保证。我们还提供了一些应用实例和数值结果。
2019-06-05 math.OC
Lower bounds on the size of semidefinite programming relaxations
我们介绍了一种方法证明下界的效力半定规划(SDP)松弛组合问题。特别地,我们证明了$n$ -顶点图上的割、TSP和稳定集多面体不是任何SDP的可行域的线性图像(即,任何光谱面体)的尺寸小于$2^{n^c}$,对于某个常数$c > 0$。这一结果产生的第一个超多项式下界的半定扩张复杂性的任何显式家庭的多面体。我们的研究结果如下从一个一般的技术证明下界的半正定矩阵的秩。为此,我们建立了一个密切的连接任意SDP和那些所产生的平方和SDP层次。对于近似最大约束满足问题,我们证明了多项式大小的SDPs是等效的权力所产生的程度- $O(1)$平方和松弛。这个结果意味着,例如,没有一个多项式大小的SDP弛豫族可以实现比MAX-3-SAT的7/8近似更好的结果。
2014-11-24 cs.CC math.CO math.OC
Pareto Adaptive Robust Optimality via a Fourier-Motzkin Elimination Lens
针对线性自适应鲁棒优化(ARO)问题,提出了Pareto自适应鲁棒优化(PARO)的概念.此时此刻决策和观望决策的最坏情况最优解对是PARO,如果它不能被另一个解帕累托支配,即,不存在另一个这样的对,其在不确定性集合中的所有场景中至少表现得一样好,并且在至少一个场景中表现得更好。我们认为,与PARO不同,现有的解决方案的方法-包括那些采用帕累托鲁棒优化静态鲁棒优化-可能会失败ARO和产量的解决方案,可以帕累托主导。后者在实践中可能导致效率低下和业绩欠佳。我们证明了PARO解决方案的存在性,并提出了特定的方法来寻找和逼近这样的解决方案。我们提出了一个设施定位问题的数值结果,证明了PARO解决方案的实用价值。我们的分析PARO依赖于应用傅立叶-Motzkin消除作为一种证明技术。我们展示了如何这种技术可以是有价值的ARO问题的分析,除了PARO。特别是,我们用它来设计更简洁,更有见地的证明(最坏情况下)的决策规则结构的最优性的已知结果。
2022-05-05 math.OC
A Trust Region Method for Pareto Front Approximation
本文研究了所有目标函数都不是解析给出的黑箱多目标最优化问题。在多目标优化中,重要的是在Pareto前沿上产生一组均匀分布的离散解,以建立良好的近似。在黑盒双目标优化中,可以用Pareto前沿的排序性质来计算解之间的距离。这些距离允许能够评估所有溶液点的分布,因此保持溶液分布的均匀性并不困难。然而,具有两个以上目标的问题不具有排序性质,因此需要注意的是,这些问题需要其他技术来测量覆盖率并保持解分布的均匀性。本文提出了一种基于置信域方法的多目标黑箱优化问题Pareto前沿逼近算法。该算法利用密度函数在非支配点集中选择一个参考点,并探索该点周围的区域。这确保了均匀的解决方案的分布,即使是有两个以上的目标函数的问题。我们还证明了算法的迭代点收敛于Pareto临界点。最后,我们提出的数值结果表明,该算法产生的一组分布良好的解决方案,逼近帕累托前沿,即使在有三个目标函数的问题的情况下。
2022-02-10 math.OC
Approximating the set of Nash equilibria for convex games
本文针对凸博弈,将ε-近似Nash均衡集合刻画为N个凸多目标问题的ε-近似Pareto最优点的交集,并基于向量优化与凸投影提出算法,计算包含真实均衡且被包含于近似均衡中的集合。
2024-04-23 econ.GN math.OC q-fin.EC
On polyhedral approximations of the positive semidefinite cone
令$D$是迹等于1的$n\times n$半正定矩阵的集合,也称为密度矩阵的集合。证明了用多面体逼近$D$的困难性的两个结果。首先,我们证明了,如果$0 < ε< 1$和$A$是一个任意矩阵的迹等于一,任何多面体$P$,使$(1-ε)(D-A) \subset P \subset D-A$必须有线性规划扩展复杂性至少$\exp(c\sqrt{n})$其中$c > 0$是一个常数,依赖于$ε$。其次,我们证明了任何多面体$P$,使$D \subset P$和使$P$的高斯宽度是最多两倍的高斯宽度的$D$必须有扩展复杂性至少$\exp(cn^{1/3})$。我们证明的主要成分是超立方体上的噪声算子的超压缩性。
2018-11-23 cs.CC math.OC quant-ph
Decomposed Structured Subsets for Semidefinite and Sum-of-Squares Optimization
半定规划(SDP)是在控制和优化应用中经常发现的标准凸问题。内点方法可以在多项式时间内求解任意精度的SDP,但随着矩阵变量的大小和约束数量的增加,其扩展性很差。为了提高可伸缩性,可以通过使用结构化子集(例如,对角占优和比例对角占优矩阵)。同时,可以利用任何潜在的稀疏或对称结构来形成具有较小半正定约束的等效SDP。在本文中,我们提出了一个概念,分解的结构化子集}近似的SDP与结构化子集后的等价转换。通过转换后的近似找到的下/上界比通过直接近似原始SDP获得的界限更紧。我们将分解的结构子集应用于半定和平方和最优化问题,并以H-无穷范数估计和约束多项式优化为例。现有的基追踪方法适应到这个框架,迭代细化边界。
2021-07-27 cs.SY eess.SY math.OC
Approximating Multiple Robust Optimization Solutions in One Pass via Proximal Point Methods
本文提出一种基于近端点方法的程序,可一次性逼近多个Pareto有效鲁棒解,将计算需求从N×T降至2×T,并在鲁棒线性优化问题中证明了其精确性或高概率近似保证。
2024-10-03 math.OC
Maximum Cuts and Fractional Cut Covers: A Computational Study of a Randomized Semidefinite Programming Approach
University of Waterloo(滑铁卢大学);Institute of Mathematics, Statistics, and Computer Science, University of São Paulo(圣保罗大学数学、统计和计算机科学学院);Center for Mathematics, Computing and Cognition, Federal University of the ABC Region(ABC地区联邦大学数学、计算与认知中心)
本文研究一种同时近似最大割和加权分数割覆盖问题的对偶框架,通过半定规划松弛和随机超平面技术实现近 optimality 证明,达到 Goemans 和 Williamson 的 0.878 约束比。
2026-04-19 cs.DM math.OC
Converging approximations of attractors via almost Lyapunov functions and semidefinite programming
针对两类吸引子逼近方法分别缺乏正不变性与收敛保证的问题,本文融合无限维线性规划水平集和正不变超集技术,提出基于 sum-of-squares 凸优化的收敛正不变外部逼近方法。
2023-10-05 math.DS math.OC
Approximating the Little Grothendieck Problem over the Orthogonal and Unitary Groups
小Grothendieck问题包括最大化二进制变量$x_i\in\{\pm1\}$上的$\sum_{ij}C_{ij}x_ix_j$,其中C是一个半正定矩阵。在本文中,我们专注于这个问题的自然推广,小Grothendieck问题的正交群。给定C是dn × dn半正定矩阵,目标是最大化限制$O_i$在正交矩阵组中取值的$\sum_{ij}Tr (C_{ij}^TO_iO_j^T)$,其中$C_{ij}$表示C的第(ij)个d × d块。我们提出了一个近似算法,我们称之为切,来解决这个问题,并显示一个恒定的近似比。我们的方法是基于半定规划。对于一个给定的$d\geq 1$,我们证明了$α_{R}(d)^2$,其中$α_{R}(d)$是期望的平均奇异值的d × d矩阵与随机高斯$N(0,1/d)$ i.i.d.条目对于d=1,我们恢复已知的$α_{R}(1)^2=2/π$近似保证经典的小Grothendieck问题。我们的算法和分析自然延伸到复值的情况下,也提供了一个恒定的近似比类似的问题在酉群。该算法还可以作为几个应用程序的近似算法,包括Procrustes问题,其中它改进了以前已知的最佳近似比~ $\frac1{2\sqrt{2}}$。小Grothendieck问题属于类的问题近似最近提出的算法的背景下,非交换Grothendieck不等式。尽管如此,我们的方法更简单,它提供了一个更…
2015-10-06 cs.DS math.OC
Approximating Biobjective Minimization Problems Using General Ordering Cones
本文研究了双目标最小化问题关于Pareto锥的近似质量,其解对于较大的序锥是(近似)最优的。当同时考虑$α$ -近似的所有封闭的凸序锥的一个固定的内角$γ\in [\frac π2, π]$,之间的近似保证$α$和$2 α$实现,它连续依赖于$γ$。分析是最好的可能的任何内角,它推广和统一的已知结果,支持的解决方案是一个2-近似和有效集本身是一个1-近似。此外,它示出,对于最大化问题,没有近似保证是通过考虑更大的排序锥所描述的方式,这再次概括了一个已知的结果支持的解决方案。
2021-09-21 cs.DS math.OC
An semidefinite programming-based $\varepsilon$-constraint method for the bi-objective single-row facility layout problem
Johannes Kepler University Linz(林茨约翰·开普勒大学);University of Augsburg(奥格斯堡大学)
针对双目标单行设施布局问题,提出基于半定规划的ε-约束方法,利用分支定界过程增强求解效率,并引入非二进制分支和节点重用等改进。
2026-07-02 math.OC
Collaborative Pareto Set Learning in Multiple Multi-Objective Optimization Problems
School of Mathematics and Statistics, Guangdong University of Technology(广东工业大学数学与统计学院);Department of Computer Science and Engineering, Southern University of Science and Technology(南方科技大学计算机科学与工程系)
针对现有 Pareto 集学习(PSL)方法无法同时处理多个多目标优化问题(MOP)的低效性,本文提出协作 Pareto 集学习框架(CoPSL),通过共享层和特定层架构同时学习多个 MOP 的 Pareto 集,显著提升了近似效率和鲁棒性。
2025-04-05 cs.LG math.OC
Convergence rates of moment-sum-of-squares hierarchies for volume approximation of semialgebraic sets
半定规划的矩平方和族可以用来逼近给定的紧致基本半代数集K的体积。该思想包括从上面近似的指示函数的K与一系列的多项式的增加次数d,使这些多项式的积分产生一个收敛序列的上界的体积K。我们证明了这种收敛的渐近速度至少是O(1/ log log d)。
2016-12-13 math.OC
Trade-off preservation in inverse multi-objective convex optimization
本文提出了一种新的多目标凸优化的逆优化方法,该方法允许输入解可能不是Pareto最优的,并确定一个权向量,该权向量产生一个Pareto最优解,该最优解近似于输入解,并保留了决策者的意图。并展示了它与最小化最优性差距的关系。我们的逆模型保持了传统的逆凸模型的复杂性。我们提出了一个线性近似的模型和一个连续的线性规划算法,权衡保存和计算效率之间的平衡,并表明我们的模型包括许多现有的模型从文献。我们使用前列腺癌放射治疗的临床数据证明了所提出的方法。
2017-06-21 math.OC
Approximating the nearest stable discrete-time system
University of Mons(蒙斯大学);TU Berlin(柏林工业大学);Indian Institute of Technology Delhi(德里印度理工学院)
本文研究了通过计算接近不稳定矩阵的稳定矩阵来稳定离散时间线性系统的问题,提出了一种新的稳定矩阵集合的特征化方法,并设计了高效的投影梯度法来求解非凸优化问题。
2019-03-10 cs.NA math.NA math.OC
Controllable Expensive Multi-objective Learning with Warm-starting Bayesian Optimization
VinUniversity(维新大学);FPT Software AI Center(FPT软件人工智能中心)
提出 Co-PSL,通过热启动贝叶斯优化和可控帕累托集学习,解决昂贵多目标优化中 PSL 方法的不稳定与低效问题,实现实时权衡控制。
2024-02-09 cs.LG math.OC
Convergence rates for polynomial optimization on set products
LAAS-CNRS(法国国家科学研究中心实验室);Institute of Mathematics from Toulouse(图卢兹数学研究所)
本文研究了在基本紧半代数集的笛卡尔积上多项式优化问题的收敛速度,通过半定规划松弛层次和Putinar和Schmüdgen的平方和证书,证明了在双球面(即两个单位球的笛卡尔积)上,基于Schmüdgen型证书的层次在目标多项式全局最小值处以O(1/t²)的速度收敛,并扩展到任意球积和不同集合的积。
2026-06-03 math.OC
Non-linear Multi-objective Optimization with Probabilistic Branch and Bound
Yuan Ze University(元培大学);University of Washington(华盛顿大学)
本文提出单观测多目标概率分支定界算法MOPBnB(so),通过邻近解估计目标函数以降低计算开销,并证明其有限时间概率界与渐近收敛性,数值实验显示其优于多次重复变体和NSGA-II。
2025-06-05 cs.LG math.OC
Approximating Dispatchable Regions in Three-Phase Radial Networks with Conditions for Exact SDP Relaxation
本文扩展可调度区域近似至三相辐射状网络,通过SDP松弛及对偶投影算法提供内外近似,并给出精确松弛条件,经数值模拟验证。
2025-03-28 cs.SY eess.SY math.OC
A General Approximation Method for Bicriteria Minimization Problems
我们提出了一个一般的技术近似双准则最小化问题的正值,多项式可计算的目标函数。给定$0<ε\leq1$和相应的加权和问题的多项式时间$α$ -近似算法,我们展示了如何获得一个双准则$(α\cdot(1+2ε),α\cdot(1+\frac{2}ε))$ -近似算法,其运行时间是多项式的输入的编码长度和线性$\frac{1}ε$的约束问题。此外,我们表明,我们的方法可以扩展到计算$(α\cdot(1+2ε),α\cdot(1+\frac{2}ε))$近似帕累托曲线在相同的假设下。我们的技术适用于许多最小化的问题,大多数以前的算法计算近似帕累托曲线不能应用,因为相应的差距问题是$\textsf{NP}$ -很难解决。对于最大化问题,但是,我们表明,近似结果类似于这里提出的最小化问题是不可能在多项式时间内获得,除非$\textsf{P}=\textsf{NP}$。
2017-01-11 cs.DS math.OC
Approximating Multiobjective Optimization Problems: How exact can you be?
本文研究了多目标优化问题的部分精确近似集,要求在某些目标上精确近似可行解(保证为1),其余目标保证为$1+\varepsilon$,并刻画了此类多项式基数近似集的存在类型及其与最小基数的关系。
2023-05-24 cs.DS math.OC
Inner approximations of the region of attraction for polynomial dynamical systems
在以前的工作中,我们开发了一个凸无穷维线性规划(LP)的方法来逼近多项式动力系统的吸引区(ROA)的紧凑的基本半代数状态约束。有限维松弛的无限维LP导致截断矩问题的原始和多项式平方和问题的对偶。这个原始-对偶线性矩阵不等式(LMI)问题可以用标准的半定规划求解器数值求解,通过多项式子级集产生ROA的外部(即外部)近似的层次结构,保证几乎一致和集合收敛。在这篇配套论文中,我们表明,我们的方法是灵活的,足以修改,以产生一个层次的多项式内部(即\,内部)近似的ROA具有类似的收敛保证。
2012-10-11 math.OC
Algebraic solution to box-constrained bi-criteria problem of rating alternatives through pairwise comparisons
我们考虑一个决策问题,以评估的绝对评级的替代品,根据两个标准进行比较,受框约束的评级。该问题被表述为两个成对比较矩阵的log-Chebyshev逼近由一个共同的一致矩阵(单位秩的对称互反矩阵),以最小化两个矩阵的逼近误差同时。我们重新安排的近似问题作为一个有约束的双目标最优化问题找到一个向量,确定的近似一致矩阵,然后表示的热带代数方面的问题。我们应用热带优化的方法和结果,推导出的约束问题的解析解。该解决方案包括在引入两个新的变量,描述的值的目标函数,并允许减少问题的解决方案的一个系统的参数化不等式构造的未知向量,其中新的变量起参数的作用。我们利用系统的解决方案的存在条件,以获得这些值的参数,属于帕累托前固有的问题。然后,我们解决了未知向量的系统,并采取对应于帕累托前沿的所有解决方案,作为双目标问题的完整解决方案。我们将所得结果应用于所考虑的双准则判定问题,并给出了说明性的例子。
2023-01-22 cs.SY eess.SY math.OC
Quantum speed-ups for solving semidefinite relaxations of polynomial optimization
Department of Mathematical Sciences, University of Copenhagen(哥本哈根大学数学科学系);ENS de Lyon, Inria(里昂高等师范学校,法国国家信息与自动化研究所);Institute of Mathematics, Vietnam Academy of Science and Technology(越南科学技术院数学研究所)
本文针对多项式优化的Lasserre半定松弛值逼近问题,提出基于矩阵乘性权重的量子算法,无需QRAM即可实现块编码,在给定假设下相比经典方法获得问题维度上的超二次加速。
2025-11-18 math.OC quant-ph
Auxiliary Functions as Koopman Observables: Data-Driven Analysis of Dynamical Systems via Polynomial Optimization
Concordia University(康考迪亚大学);Friedrich–Alexander–Universität Erlangen–Nürnberg(埃尔朗根-纽伦堡大学)
我们提出了一个灵活的数据驱动的方法,动力系统分析,不需要明确的模型发现。该方法是植根于完善的技术近似的Koopman运营商的数据,并实施为一个半定的程序,可以数值求解。此外,该方法不知道数据是通过确定性过程还是随机过程生成的,因此其实现不需要用户预先调整以适应这些不同的场景。严格的收敛结果证明了该方法的适用性,同时也扩展和统一了文献中的类似结果。发现李雅普诺夫函数,遍历优化,并确定性和随机动力学的吸引子上的边界极值的例子证明了这些收敛结果,并证明了该方法的性能。
2023-10-16 cs.LG math.DS math.OC
Controller Synthesis for Discrete-Time Polynomial Systems via Occupation Measures
Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology(计算机科学与人工智能实验室,麻省理工学院)
本文通过占用测度方法为离散时间多项式动力系统设计非线性状态反馈控制器,将控制器合成问题转化为无限维线性规划问题,并通过松弛为有限维半正定规划问题,从而提取非线性控制器,该方法具有计算复杂度低且可扩展性强的优势。
2018-07-26 cs.RO cs.SY eess.SY
On Approximations of the PSD Cone by a Polynomial Number of Smaller-sized PSD Cones
我们研究了半正定(PSD)矩阵的锥,可以描述由较小尺寸的PSD约束的近似问题。具体地说,我们问的问题:“我们如何接近一组单位迹$n \times n$ PSD矩阵,表示为$D$,使用最多$N$数量的$k \times k$ PSD约束?在本文中,我们证明了$N$的下界,通过考虑近似集的两种构造来实现$D$的良好近似。首先,我们考虑单位迹$n \times n$对称矩阵,当限制到一个固定的集合的$k$ -维子空间在$\mathbb{RR}^n$ PSD。我们证明,如果这一组是一个很好的近似$D$,那么在$n$的任何$k = o(n)$的子空间的数量必须至少是指数大。%第二,我们表明,任何一组$S$,近似$D$在一个恒定的近似比必须有超多项式$\mathbf{S}_+^k$扩展复杂性。更精确地说,如果$S$是$D$的常数因子近似,则$S$必须具有至少为$\exp( C \cdot \min \{ \sqrt{n}, n/k \})$的$\mathbf{S}_+^k$ -扩展复杂度,其中$C$是某个绝对常数。此外,我们表明,任何一组$S$,使$D \subseteq S$和高斯宽度的$D$是最多一个常数倍大于高斯宽度的$D$必须有$\mathbf{S}_+^k$ -扩展复杂性至少$\exp( C \cdot \min \{ n^{1/3}, \sqrt{n/k} \})$。这些结果意味着…
2021-05-05 math.OC
Convergence of Lasserre's hierarchy: the general case
Lasserre的矩-SOS层次结构由具有矩松弛和平方和(SOS)强化的广义矩问题(GMP)的近似实例组成,这些矩松弛和平方和(SOS)强化可归结为凸半定规划(SDP)问题。由于初始GMP的通用性,该技术的应用是无数的,并且可以引用其中的多项式最优化问题(POP)、最优控制问题(OCP)、体积计算问题、稳定集近似问题和求解非线性偏微分方程(PDE)。原始GMP的解决方案,然后近似与有限截断其时刻序列。对于每个应用程序,证明这些截断收敛到最佳的时刻序列提供了宝贵的洞察力的问题,包括收敛到原来的GMP的最优值的放松值。这说明提出了一个一般的证明,这种收敛性,无论面临的问题,在简单的标准假设。作为这个证明的一个副产品,人们也获得了强大的对偶性质,在无限维GMP和其有限维松弛。
2022-08-04 cs.NA math.NA math.OC
A Low-rank Augmented Lagrangian Method for Polyhedral-SDP and Moment-SOS Relaxations of Polynomial Optimization
National University of Singapore(新加坡国立大学)
本文提出RiNNAL-POP方法,通过低秩增广拉格朗日方法高效解决多项式优化问题的多面体-半正定规划松弛及矩-SOS松弛。
2025-12-06 math.OC
Constructing QCQP Instances Equivalent to Their SDP Relaxations
针对NP难的二次约束二次规划(QCQP),本研究在现有一类与半定规划(SDP)松弛等价、目标函数可任意选取的QCQP基础上,构造双变量及高维的该类QCQP实例,并给出从SDP松弛求解QCQP最优解的方法,补充了相关研究结果。
2025-02-21 math.OC
Mean squared error minimization for inverse moment problems
我们考虑的问题,逼近未知密度$u\in L^2(Ω,λ)$的措施$μ$上的$Ω\subset\R^n$,绝对连续的一些给定的参考措施$λ$,从唯一的知识,许多时刻的$μ$。给定$d\in\N$和阶矩$d$,我们提供了一个多项式$p_d$,它最小化在最多$d$的次数的所有多项式$p$上的均方误差$\int (u-p)^2dλ$。如果没有额外的要求,则可以将$p_d$作为线性系统的解来获得。另外,如果$p_d$用关于$λ$正交的多项式的基来表示,则其系数向量就是给定矩的向量,并且不需要计算。此外,$L^2(Ω,λ)$中的$p_d\to u$为$d\to\infty$。通常,即使$u$是非负的,也不能保证$p_d$的非负性。然而,有了这个额外的非负性要求,人们得到类似的结果,但计算$p_d\geq0$,使$\int (u-p)^2dλ$最小化,现在需要解决一个适当的半定规划。我们已经测试了一些应用所产生的几何对象的重建和非线性微分方程的解的近似的方法。在所有情况下,我们的结果是显着优于最大熵技术估计$u$。
2012-08-31 math.OC
A note on the computational complexity of the moment-SOS hierarchy for polynomial optimization
本文研究了多项式优化的 moment-SOS 层次结构的计算复杂性,建立了保证多项式时间计算的代数与几何条件,补充并扩展了 Raghavendra & Weitz (2017) 的早期工作。
2023-05-24 cs.CC math.OC
Stochastic set-valued optimization and its application to robust learning
Department of Mechanical and Materials Engineering, University of Cincinnati(机械与材料工程系,辛辛那提大学);Department of Industrial and Systems Engineering, Lehigh University(工业与系统工程系,莱恩大学)
本文提出随机多值优化框架,用于鲁棒机器学习。通过将决策变量映射为目标值集合,引入超箱集并转化为多目标优化问题,结合子量化分位数和超量化分位数改进鲁棒性,提升模型在分布偏移下的稳定性与准确性。
2026-03-18 cs.LG math.OC
Robust-to-Dynamics Optimization
本文研究鲁棒动态优化(RDO)问题,针对线性规划与线性动态系统,通过多面体外逼近和谱面内逼近序列求解,证明了在消除特定障碍后能在多项式时间内找到最优解及最优性证书。
2023-11-22 cs.DS cs.SY eess.SY