Solving DC programs with a polyhedral component utilizing a multiple objective linear programming solver
研究了一类目标函数为DC的非凸优化问题,其中DC表示为两个凸函数$g$和$h$之差$f=g-h$.特别地,我们处理的特殊情况下,两个凸函数之一的$g$或$h$是多面体。在情况下$g$是多面体,我们表明,DC程序的解决方案可以从一个相关的多面体投影问题的解决方案。在$h$是多面体的情况下,证明了DC规划的解可以通过求解多面体投影问题和多个凸规划得到。由于多面体投影等价于多目标线性规划(MOLP),因此MOLP求解器(在第二种情况下与凸规划求解器一起)可以用于求解具有多面体分量的DC规划的实例。提供了数值例子,其中一个应用程序的位置分析。
2017-03-15 math.OC
An Augmented Lagrangian Coordination-Decomposition Algorithm for Solving Distributed Non-Convex Programs
提出了一种新的增广拉格朗日方法,用于求解分布式框架下具有非线性费用和约束耦合的非凸规划问题。提出的分解算法由两层组成:外层是一个标准的乘子方法,对非线性等式约束进行惩罚,而内层由块坐标下降(BCD)方案组成。基于乘子方法的标准结果和最近的结果在近端正则化BCD技术,它被证明是收敛到一个KKT点的非凸非线性规划下的半代数性假设。数值算例验证了算法的有效性。
2014-07-21 math.OC
Approximate Methods for Solving Chance Constrained Linear Programs in Probability Measure Space
本文首次提出求解概率测度空间中机会约束线性规划的数值方法,通过两个可解近似问题并证明其一致收敛性,数值实验验证了方法的有效性。
2023-11-19 math.OC
A Novel Method of Solving Linear Programs with an Analog Circuit
我们提出了一个模拟电路的设计,解决了线性规划(LP)问题。特别地,稳态电路电压是LP最优解的分量。本文展示了如何构造电路,并提供了一个电路和LP问题之间的等价性证明。所提出的方法是用来实现一个基于LP的模型预测控制器,通过使用一个模拟电路。仿真和实验结果表明了该方法的有效性。
2013-05-03 math.OC
Decomposition algorithms for globally solving mathematical programs with affine equilibrium constraints
带有仿射平衡约束的数学规划问题(AMPEC)是一个双层规划问题,其中下层是一个参数仿射变分不等式。我们制定了一些类的双层规划的形式MPEC。然后,我们使用正则化技术来制定所产生的问题作为一个数学规划与两个凸函数(DC函数)的差异定义的附加约束。这种DC分解的一个主要特征是第二个分量仅取决于下层问题中的参数。这个属性使我们能够开发分支定界算法,用于全局求解AMPEC,其中自适应矩形平分只发生在参数的空间中。作为一个例子,我们使用所提出的算法来解决一个双层纳什古诺均衡市场模型。计算结果表明了该算法的有效性。
2011-05-17 math.OC
A preconditioner for solving linear programming problems with dense columns
针对含稠密列的线性规划问题求解中线性系统求解的难点,提出一种预条件子,理论证明其收敛时线性系统一致有界,实验验证其在运行时间、迭代次数上具鲁棒性与竞争力。
2024-04-16 math.OC
Solving Mathematical Programs with Equilibrium Constraints as Nonlinear Programming: A New Framework
提出了一种求解带平衡约束数学规划的新框架。在这个算法框架中,一个MPECs被看作是一个无约束优化,最小化互补措施和非线性规划一般约束的浓度。在计算步长时采用了推广Byrd Omojokun的置信域方法思想的策略。通过将切向约束惩罚到目标函数中,我们规避了不满足MFCQ的问题。一个类似信任漏斗的策略被用来平衡可行性和最优性的改进。我们证明了,在MPEC-MFCQ下,如果算法不终止于有限步,则迭代序列的至少一个聚点是S-平稳点。
2023-01-16 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
Solving Two-Stage Stochastic Programs with Endogenous Uncertainty via Random Variable Transformation
本文提出基于随机变量变换的通用方法,将具有内生不确定性的两阶段随机规划转化为决策无关不确定性的等价规划,并在网络设计与设施防护问题中验证其可得到混合整数线性规划且性能优于直接求解原始规划。
2025-07-05 math.OC
Solving Nonsmooth Nonconvex Compound Stochastic Programs with Applications to Risk Measure Minimization
本文研究了一类由非凸非光滑函数耦合的多期望结构复合随机规划问题。本文提出了一个基于连续凸规划的采样算法,并证明了它的逐次收敛性。我们描述了几类复合SP的极限点的平稳性。我们进一步讨论了基于算法可计算误差界的概率停止规则。我们提出了几个风险度量最小化问题,可以制定为这样一个复合随机规划,这些问题包括广义偏差最优化问题的基础上优化的确定性等价和缓冲概率的不确定性(bPOE),分布鲁棒bPOE最优化问题,和多类分类问题采用成本敏感的错误准则与bPOE风险度量。
2021-05-23 math.OC
Benders Cut Classification via Support Vector Machines for Solving Two-stage Stochastic Programs
本文考虑了不确定参数的有限样本下具有完全补偿的两阶段随机规划的Benders分解。我们定义的折弯机削减绑定在最终的最优解或显着改善边界的迭代作为有价值的削减。我们提出了一种学习增强的Benders分解(LearnBD)算法,该算法在每次迭代中增加了一个切割分类步骤,以选择性地生成更有可能是有价值的切割。LearnBD算法包括两个阶段:(i)采样切割并从训练问题中收集信息,以及(ii)使用支持向量机(SVM)切割分类器解决测试问题。我们运行的LearnBD算法的能力限制的设施位置和多商品网络设计的不确定需求的情况下。我们的研究结果表明,SVM切割分类器有效地识别有价值的削减,和LearnBD算法减少了总的解决时间的所有实例的不同大小和复杂性的问题。
2020-10-15 math.OC
Solving Indefinite Quadratic Programs by Dynamical Systems: Preliminary Investigations
本文用动力系统求解不定二次规划,证明了全局解存在唯一性,分析了强伪单调性,并建立了轨迹收敛到KKT点的结果。
2025-03-30 math.OC
A coordinate ascent method for solving semidefinite relaxations of non-convex quadratic integer programs
针对一类非凸二次整数优化中的半定规划问题,提出了一种坐标上升法。这些半定规划的特点是积极约束和低秩约束矩阵的总数少。我们利用这种特殊的结构,通过解决对偶问题,使用障碍的方法结合坐标明智的精确线搜索。我们的算法的主要成分是计算成本低的更新在每次迭代和一个简单的计算的确切步长。与内点方法相比,该方法在获得强对偶界方面要快得多。此外,即使原始约束的集合很大,也不需要显式分离和重新优化,因为在我们的对偶方法中,在选择下一个坐标时,隐式地考虑所有原始约束。
2016-03-08 math.OC
Complexity of a quadratic penalty accelerated inexact proximal point method for solving linearly constrained nonconvex composite programs
分析了求解线性约束非凸组合规划的二次罚加速不精确邻近点方法的迭代复杂性。更具体地,目标函数具有$f + h$的形式,其中$f$是梯度为Lipschitz连续的可微函数,而$h$是具有有界域的闭凸函数。该方法,基本上,包括应用加速不精确的邻近点法近似求解一系列的二次惩罚的线性约束问题的子问题。近似点法的每个子问题依次近似求解的加速复合梯度(ACG)方法。结果表明,该方案在最多${\cal{O}}(ρ^{-3})$ ACG迭代生成一个$ρ$ -近似稳定点。最后,数值结果表明所提出的方法的有效性。
2019-07-16 math.OC
Solving Heated Oil Pipeline Problems Via Mixed Integer Nonlinear Programming Approach
如何加热原油,节约原油输送的运行费用,是原油输送中的一个关键问题。本文将热油管道问题严格地表述为一个混合整数非线性规划模型。提出了模型的非凸和凸连续松弛,并在适当的条件下证明了它们的等价性。同时,我们提供了一个预处理过程,以保证这些条件。因此,我们可以设计一个分支定界算法来求解混合整数非线性规划模型的全局最优解。为了提高分枝定界算法的效率,提出了一种外逼近方法,并采用了热启动技术。对一个实际热油管道问题的数值实验表明,该算法获得了较好的方案,与实际方案相比,可以节省6.83%的运行费用。
2019-07-25 math.OC
Solving the Dual Problems of Dynamic Programs via Regression
近年来,人们对动态规划中的信息松弛和对偶问题进行了广泛的研究,由此产生的原-对偶方法通过给出动态规划的最优值函数的上界而成为求解动态规划的一种强有力的方法。理论上,通过基于值的最优对偶惩罚,可以通过强对偶性精确地恢复最优值函数。然而,在实践中,获得严格的对偶边界通常需要良好的近似的最佳对偶惩罚,这可能是耗时的,由于条件期望,需要通过嵌套模拟估计。在本文中,我们将开发一个框架的回归方法来近似最佳的对偶惩罚在非嵌套的方式,通过探索的结构的函数空间组成的所有可行的对偶惩罚。得到的近似保持可行的对偶惩罚,从而产生有效的最优值函数的对偶界。我们表明,所提出的框架是计算效率高,由此产生的双重处罚导致数值上易于处理的双重问题。最后,我们将该框架应用于一个高维动态交易问题,以证明其在解决复杂动态规划对偶问题方面的有效性。
2016-10-25 math.OC
CGPOPS: A C++ Software for Solving Multiple-Phase Optimal Control Problems Using Adaptive Gaussian Quadrature Collocation and Sparse Nonlinear Programming
本文介绍了一个用自适应高斯正交配置法求解多相最优控制问题的通用C++软件程序$\mathbb{CGPOPS}$。该软件采用Legendre-Gauss-Radau直接正交配置法将连续时间最优控制问题转化为大型稀疏非线性规划问题。一类$hp$网格细化方法的实施,确定网格间隔的数量和在每个网格间隔内的近似多项式的程度,以达到指定的精度公差。该软件与开源Newton NLP求解器IPOPT接口。NLP求解器所需的所有导数都使用中心有限差分、双复阶导数近似、超对偶导数近似或自动微分来计算。该软件的关键组成部分进行了详细描述,并证明了该软件的效用上的五个最优控制问题的不同复杂性。本文介绍的软件为解决各种复杂的约束最优控制问题提供了一种计算效率高、精度高的方法。
2019-05-29 math.OC
Solving Linear Programs with Complementarity Constraints using Branch-and-Cut
带线性互补约束的线性规划(LPCC)要求在一组线性约束和附加的线性互补约束下最小化线性目标。这个类已经成为一个广泛的问题,包括双层规划,Stackelberg游戏,逆二次规划,以及涉及平衡约束的问题的建模范式。互补约束的存在导致非凸最优化问题。我们开发了一个分支和切割算法,找到这类最优化问题的全局最优值,我们直接在互补分支。我们开发的分支规则和可行性恢复程序,并证明其计算效率与CPLEX的比较。该实现通过使用回调例程构建在CPLEX上。计算结果表明,我们的方法是一个强有力的替代构造一个整数规划制定使用大$M$条款来表示变量的界限,与测试进行一般LPCC以及凸二次低级别问题的双层程序生成的实例。
2018-02-08 math.OC
IPM-LSTM: A Learning-Based Interior Point Method for Solving Nonlinear Programs
本文提出 IPM-LSTM 方法,利用 LSTM 神经网络近似内点法中的线性方程组求解并用于热启动,在多种非线性规划上相比默认求解器最多减少 60% 迭代次数和 70% 求解时间。
2024-10-21 math.OC
SuperADMM: Solving Quadratic Programs Faster with Dynamic Weighting ADMM
本研究提出加速ADMM算法superADMM,通过单约束动态加权迭代更新求解二次规划,配套稳定性分析与参数调优方法,C语言实现支持多语言调用,性能优于现有主流求解器。
2025-06-13 math.OC
An Outer Approximation Method for Solving Mixed-Integer Convex Quadratic Programs with Indicators
针对带指示变量的混合整数凸二次规划,本文提出从多种凸松弛构造割平面的新技术并形成大规模外逼近算法,在稀疏投资组合选择问题上显著优于现有方法。
2023-12-08 math.OC
Smoothing SQP methods for solving degenerate nonsmooth constrained optimization problems with applications to bilevel programs
我们考虑退化的非光滑和非凸最优化问题的标准约束规格,如广义Mangasarian Fromovitz约束规格(GMFCQ)可能不成立。利用具有梯度一致性的光滑函数逼近非光滑函数,在精确罚框架下提出了一种光滑序列二次规划(SQP)算法.证明了在乘子序列和精确罚参数序列有界的条件下,由光滑SQP算法生成的迭代序列的一个选定子序列的任何聚点都是Clarke平稳点.此外,我们提出了一个新的条件称为弱广义Mangasarian Fromovitz约束规格(WGMFCQ),是弱于GMFCQ。我们证明了WGMFCQ的扩展版本保证了乘子序列和精确罚参数序列的有界性,从而保证了光滑SQP算法的整体收敛。我们证明了WGMFCQ可以满足GMFCQ从来没有举行的双层计划。初步的数值实验表明,该算法对求解退化非光滑最优化问题(如简单双层规划)是有效的。
2014-06-03 math.OC
A semi-smooth Newton method for solving convex quadratic programming problem under simplicial cone constraint
研究了单纯锥约束凸二次规划问题。该问题的最优性条件是一个线性互补性问题。在适当的条件下,这一事实导致了单纯锥约束凸二次规划问题与非光滑方程组的唯一解问题的等价性.它表明,半光滑牛顿法适用于这个非光滑的方程组总是定义良好,并在一个温和的假设下,单纯锥的方法产生一个序列,线性收敛到它的解决方案。此外,我们还证明了生成序列对任意起点是有界的,并给出了该序列的任意聚点的计算公式。数值结果表明,这种方法实现了精确的解决方案,在几个迭代大的问题。
2015-03-10 math.OC
Solving bilevel programs based on lower-level Mond-Weir duality
本文针对双层规划提出基于下层Mond-Weir对偶的新重构方法MDP,证明其与原问题在最优性意义下等价且可能满足MFCQ,数值实验表明其在可行性、成功率和CPU时间上优于MPCC和WDP。
2024-02-17 math.OC
A new approach for solving mixed integer DC programs using a continuous relaxation with no integrality gap and smoothing techniques
本文考虑一类混合整数规划问题,其目标函数为DC函数,即可用两个凸函数之差表示的函数.由于DC函数具有强大的可表达性,这些MIP包含了一类非常广泛的计算困难的非凸MIP。最近,Maehara,Marumo和Murota提供了一个连续的重新制定没有完整性差距的离散DC程序只有积分变量。他们还提出了一种新的算法来解决重新制定的问题。我们的目标是将他们的结果推广到MIPs,并给出两个具体的算法来解决它们。首先,我们提出了一个算法的基础上DCA最初提出的Pham Dinh和Le Thi,凸MIP迭代求解。接下来,为了有效地处理非光滑函数,我们将平滑技术纳入第一种方法。我们证明了这两种方法产生的序列在一些温和的假设下收敛到平稳点。
2017-02-02 math.OC
Solving Chance Constrained Programs via a Penalty based Difference of Convex Approach
HKUST(香港科技大学);School of Economics, Fudan University(复旦大学经济学院);IEDA(数据科学研究所);School of Data Science, Fudan University(复旦大学数据学院)
本文提出两种基于惩罚的差分凸算法,用于求解机会约束程序。通过秩为基础的差分凸分解,设计了无需可行初始点的近端惩罚差分凸算法,并通过提升形式提升数值稳定性,证明了惩罚提升问题在对偶空间中的可计算结构。
2026-03-13 math.OC
Solving Quadratic Programs to High Precision using Scaled Iterative Refinement
二次最优化问题(QP)是一个普遍存在的问题,求解算法已经发展成为一种可靠的技术.然而,由于底层的浮点运算,解的精度通常是有限的。这可能会在解决方案用于严格推理时造成不便。我们从三个层面来解决这个问题。首先,我们提出了一种新的细化算法来解决QP到任意精度。它迭代地求解细化的QP,假设浮点QP求解器oracle。我们证明了残差和原始误差的线性收敛。第二,我们提供了一个有效的实现,基于Soplink和qpOASES,是公开的信源编码。第三,我们为Maros和Mészáros基准库提供了精确的参考解决方案。
2019-08-19 math.OC
Solving Tall Dense Linear Programs in Nearly Linear Time
本文给出了求解具有$n$约束和$d$变量的线性规划问题的一个$\tilde{O}(nd+d^{3})$时间随机算法。为了获得这一结果,我们提供了一种鲁棒的原始-对偶$\tilde{O}(\sqrt{d})$ -迭代内点方法,该方法受到Lee和Sidford(2014,2019)方法的启发,并展示了如何使用基于重命中器,Johnson-Lindenstrauss引理和逆维护的新数据结构有效地实现这种方法。有趣的是,我们得到这个运行时间,而不使用快速矩阵乘法,因此,除非在线性系统求解的重大进展,我们的运行时间是接近最佳的算法,不使用快速矩阵乘法解决密集的线性程序。
2021-08-22 cs.DS math.OC
A semidefinite programming approach for solving Multiobjective Linear Programming
在文献中有几种算法可用于在多目标线性规划(MOLP)中找到帕累托最优解的整个集合。然而,到目前为止,还没有提出一个内点算法,找到所有的Pareto-最优解的MOLP。我们提出了一个明确的建设,任何MOLP到一个有限序列的半定程序(SDP),其中的解决方案给出了整个帕累托最优的极值点解决方案的MOLP的转换的基础上。这些SDP问题的解决内点方法,因此我们的方法提供了一个伪多项式内点方法来找到一组Pareto-最优解的MOLP。
2011-12-28 math.AC math.OC
Solving Linear Programs with Fast Online Learning Algorithms
本文提出快速一阶方法近似求解线性规划,通过适配在线算法和变量复制技术降低最优性差距,并集成到筛选列生成方案中,可作为直接求解器或初始化子程序。
2024-11-05 cs.DS math.OC
A Gröbner bases methodology for solving multiobjective polynomial integer programs
多目标离散规划是一类著名的最优化问题,有着广泛的应用。线性的情况下,已处理了许多作者在过去几年中。然而,多项式的情况下,没有深入研究,由于其理论和计算上的困难。本文提出了一种代数方法来解决这些问题。我们提出了一种方法的基础上转换的多项式最优化问题的问题,解决一个或多个系统的多项式方程,我们使用某些Gröbner基地来解决这些系统。不同的变换给出了不同的方法,从理论的角度和一些计算实验,通过他们诱导的算法进行分析和比较。
2011-01-21 math.AC math.OC
Scalability Evaluation of NSLP Algorithm for Solving Non-Stationary Linear Programming Problems on Cluster Computing Systems
研究了求解非平稳高维线性规划问题的NSLP算法在集群计算系统上的可扩展性。分析是基于并行计算的BSF模型。BSF模型是在BSP和SPMD模型的基础上设计的一种新的并行计算模型。对NSLP算法和BSF模型进行了简要的描述。被认为是在一个BSF程序的形式NSLP算法的实现。在BSF代价度量的基础上,推导了NSLP算法可扩展性的上界,并对其并行效率进行了估计。描述了基于BSF骨架的NSLP算法实现。分析和实验获得的可扩展性估计的比较。
2017-09-14 cs.DC math.OC
Algorithms for Highly Symmetric Linear and Integer Programs
本文讨论利用对称性求解线性和整数规划问题。有限群的线性表示的基本性质可用于将对称线性规划简化为求解低维线性规划。结合这种方法与知识的几何可行的整数解决方案产生的算法,用于解决高度对称的整数线性规划,只需要时间,这是线性的限制和二次的尺寸。
2011-01-13 math.MG math.OC
An ADMM algorithm for solving a proximal bound-constrained quadratic program
University of California, Merced(加州大学默塞德分校)
考虑了一个由二次函数给出的近似算子,并给出了一个利用乘子交替方向法(ADMM)的优化算法。该算法是特别有效的,以解决一个集合的邻近运营商共享相同的二次型,或者如果二次规划是一个二进制二次问题的松弛。
2014-12-29 cs.LG math.OC stat.ML
Sequential Convex Programming Methods for Solving Nonlinear Optimization Problems with DC constraints
Department of Electrical Engineering (ESAT-SCD) and Optimization in Engineering Center (OPTEC), K.U. Leuven(鲁汶大学电气工程系(ESAT-SCD)与工程优化中心(OPTEC))
本文研究序列凸规划(SCP)与DC规划之间的关系,提出一种求解DC约束非线性优化问题的SCP算法并证明其收敛性,结合松弛技术处理不一致线性化,并通过数值测试验证算法性能。
2011-07-28 cs.SY eess.SY math.OC
Solving clustered low-rank semidefinite programs arising from polynomial optimization
针对源自多项式优化的聚类低秩半定规划高精度求解需求,提出结合采样、对称性约简与贪心基选取的专用原-对偶内点法,在接吻数界计算等问题上实现加速且对病态问题表现良好。
2025-02-21 math.MG math.OC
Adaptive Partition-based SDDP Algorithms for Multistage Stochastic Linear Programming
本文将求解两阶段固定资源随机规划问题的自适应划分方法推广到多阶段随机规划问题。该算法通过不同的树遍历策略,将自适应划分策略与求解多阶段随机规划的随机对偶动态规划方法相结合,以提高其计算效率.对水火电联合发电规划问题的数值实验表明了所提算法的有效性。
2019-08-29 cs.CE math.OC
A version of the simplex method for solving linear systems of inequalities and linear programming problems
本研究提出一种求解线性不等式组与线性规划的单纯形法变体,通过构造带单位基的对偶问题、将目标函数转化为约束并引入额外约束加速首阶段计算,还以Klee-Minty超立方体问题为例做了详细求解演示。
2023-04-24 cs.NA math.NA math.OC
A New Computational Approach for Solving Linear Bilevel Programs Based on Parameter-Free Disjunctive Decomposition
针对线性双层规划单层重构中big-M计算NP难的问题,提出一种无参数的基于析取的分解算法,可保证最优解并展现良好性能。
2024-06-16 cs.SY eess.SY math.OC
An Inexact Projected Gradient Method with Rounding and Lifting by Nonlinear Programming for Solving Rank-One Semidefinite Relaxation of Polynomial Optimization
Massachusetts Institute of Technology(麻省理工学院);National University of Singapore(新加坡国立大学)
考虑求解高阶半定规划(SDP)松弛的非凸多项式最优化问题(POP),该问题常具有退化秩一最优解.而不是单独解决的SDP,我们提出了一个新的算法框架,混合使用非凸POP到全局下降使用凸SDP的本地搜索。特别是,我们首先设计了一个全局收敛的不精确投影梯度法(iPGM)求解SDP,作为我们的框架的骨干。然后,我们通过快速非线性规划算法生成的长但有保障的一阶步骤来加速iPGM。我们证明了新的框架仍然是全局收敛的求解SDP。为了解决将给定点投影到SDP的可行集上的iPGM子问题,我们设计了一个两阶段算法,第一阶段使用基于对称高斯-赛德尔的加速邻近梯度法(sGS-APG)来生成一个好的初始点,第二阶段使用修改的有限记忆BFGS(L-BFGS)方法来获得精确的解。我们分析了这两个阶段的收敛性,并建立了一个新的整体收敛的结果,修改后的L-BFGS,不需要目标函数是两次连续可微。我们进行数值实验解决二阶SDP松弛所产生的一组不同的持久性有机污染物。我们的框架展示了最先进的效率,可扩展性和鲁棒性,在解决退化的秩一SDP的高精度,即使在存在数百万的等式约束。
2021-10-26 cs.CV cs.LG math.OC
Solving Quadratic Programs with Slack Variables via ADMM without Increasing the Problem Size
Toyota Research Institute(丰田研究院);Barnard College, Columbia University(哥伦比亚大学巴纳德学院);Dartmouth College(达特茅斯学院)
本文提出一种简单的ADMM方法,用于求解带松弛变量的二次规划问题,不增加原始问题规模,通过调整z更新的投影实现,证明其等价于应用ADMM到带有松弛变量的QP,实验显示方法更高效。
2026-07-21 cs.SY eess.SY math.OC
Finite Representation of Quantile Sets for Multivariate Data via Vector Linear Programming
本文指出可通过求解向量线性规划获得多元经验分位数,为计算Tukey深度区域和更一般的锥分位数集提供了新方法。
2024-04-25 math.OC math.ST stat.TH