Proximity in Concave Integer Quadratic Programming
Cook、Gerards、Schrijver和Tardos的一个经典结果提供了一个关于可解线性规划问题最优解的接近度的$n Δ$的上界及其标准线性松弛。在该界限中,$n$是变量的数量,并且$Δ$表示约束矩阵的子行列式的绝对值的最大值。Hochbaum和Shanthikumar,以及Werman和Magagnosc表明,如果更一般的凸函数被最小化,而不是线性函数,则相同的上界是有效的。当目标函数是非凸的时,不知道这种类型的邻近结果。事实上,如果我们最小化一个凹二次函数,没有上限可以作为$n$和$Δ$的函数给出。我们的关键观察是,在这种情况下,邻近现象仍然发生,但只有当我们考虑近似解,而不是最优解。在我们的主要结果中,我们提供了近似(分别为,最优)解决方案的凹二次规划问题和最优(分别,近似)解的连续松弛。我们的边界是$n, Δ$的函数,以及控制近似质量的参数$ε$。此外,我们讨论了如何远离最佳的是我们的邻近边界。
2021-04-14 math.OC
Subdeterminants and Concave Integer Quadratic Programming
本文考虑多面体上整点上可分凹二次函数极小化的NP-困难问题,用D表示约束矩阵的子行列式的最大绝对值.本文给出了一个算法,通过求解若干个约束矩阵的子行列式在绝对值上以D为界的整数线性规划,求出该问题的一个正近似解。这些整数线性规划的数量是n维、D维和1/n维的多项式,前提是目标中出现非线性的变量的数量k是固定的。作为推论,我们得到了D至多为2且k固定的可分凹整数二次规划的第一多项式时间逼近算法。在D=1的全么模情形下,给出了一个改进的算法,只要k固定,该算法只需求解多个在1/n内多项式且与n无关的线性规划.
2019-08-28 cs.CC math.OC
Compressed Sensing from Phaseless Gaussian Measurements via Linear Programming in the Natural Parameter Space
我们考虑忠实地结合相位恢复与经典的压缩感知。受最近新的相位恢复公式PhaseMax的启发,我们提出并分析了SparsePhaseMax,一个线性规划的自然参数空间中的无相位压缩感知。我们确定,当提供有与任意$k$ -稀疏$n$ -向量相关的初始化时,SparsePhaseMax以高概率从$O(k \log \frac{n}{k})$幅度测量相对于i.i.d.高斯随机向量。我们对这一事实的证明利用了无相和1位压缩传感之间一个奇怪的新发现的联系。这是第一个结果,建立自举压缩感知无相位高斯测量下的最佳样本复杂度。
2017-03-03 cs.IT math.IT math.OC
Dynamic Lagrange Multipliers in a Non-concave Utility Framework
The Chinese University of Hong Kong (Shenzhen)(香港中文大学(深圳));University of Waterloo(滑铁卢大学)
本文提出非凹效用框架下的动态拉格朗日乘数,连接了martingale对偶方法与动态规划方法,证明了拉格朗日乘数函数等于价值函数的共轭对偶点,并通过非凹效用例子验证了经典最优结果。
2026-04-16 math.OC
Disciplined Nonlinear Programming
提出纪律非线性规划(DNLP)语法,用于规范非线性规划问题,受纪律凸规划(DCP)启发,允许平滑函数与非平滑凸凹函数混合使用,并自动规范化为标准非线性规划形式,以利用平滑求解器处理非平滑函数。
2026-06-01 math.OC
Non-convex Lasso-kind approach to compressed sensing for finite-valued signals
在本文中,我们汇集了最近出现的稀疏信号恢复的两个趋势:源于有限字母表的稀疏信号的问题和引入凹罚的技术。具体而言,我们表明,使用极大极小凹罚(MCP)的恢复有限值稀疏信号的增强相对于经典的拉索,在估计精度,必要的测量数量,和运行时间。我们专注于稀疏信号可以从几个线性测量恢复的问题,如压缩感知理论中所述。首先,我们提出了一个Lasso类功能与MCP,其最小值是所需的信号在无噪声的情况下,在零空间条件下。我们还分析了它对噪声的鲁棒性。然后,我们提出了一个有效的基于ADMM的算法来搜索最小值。该算法被证明是收敛到一组固定点,其性能进行了评估,通过数值实验,随机生成的数据和一个真正的定位问题。此外,在无噪声的情况下,可以检查解决方案的准确性,并且我们测试了利用这一事实来寻找正确信号的算法版本。
2018-11-30 math.OC
Fast Algorithms for Online Stochastic Convex Programming
Microsoft Research(微软研究院)
我们介绍了在线随机凸规划(CP)问题,一个非常一般的版本的随机在线问题,允许任意凹目标和凸可行性约束。在线随机包装与覆盖、在线随机匹配等问题是在线随机CP的一个特例。我们提出了快速算法,这些问题,实现了近最佳的遗憾保证的i.i.d.以及随机输入的随机置换模型。当应用到特殊情况下的在线包装,我们的想法产生一个更简单,更快的原始-对偶算法,这个研究问题,实现了最佳的竞争比。我们的技术明确的连接原始-对偶范式和在线学习在线随机CP。
2014-10-28 cs.DS cs.LG math.OC
Concave Quadratic Cuts for Mixed-Integer Quadratic Problems
利用半定规划(SDP)松弛技术可以得到非凸二次约束二次规划(QCQP)最优值的非平凡界。我们探讨凹二次不等式,在整数格${\bf Z}^n$中的任何向量,并表明,将这些不等式添加到一个混合整数非凸QCQP可以提高基于SDP的界上的最优值。该方案是测试使用几个数值问题的最大割问题和整数最小二乘问题的实例。
2016-09-28 math.OC
Convergence rate analysis of the gradient descent-ascent method for convex-concave saddle-point problems
本文研究了求解凸-凹鞍点问题的梯度下降-上升法。利用半定规划的性能估计方法,得到了一个新的以到解集的距离表示的非渐近整体收敛速度。所给出的收敛速度包含了问题的大多数参数,并且对于一大类强凸-强凹鞍点问题的一次迭代是精确的.我们还研究了非强凸性的算法,给出了梯度下降-上升算法线性收敛的充要条件。
2022-09-16 math.OC
Subgradient Splitting Methods for Nonsmooth Fractional Programming with Fixed-Point Constraints
针对带不动点约束、分子凸分母凹的非光滑分式规划,提出无需迭代求解子问题的次梯度分裂方法及面向大规模比和问题的增量算法,并证明收敛性、通过数值对比验证其性能。
2025-09-01 math.OC
Least-Squares Linear Dilation-Erosion Regressor Trained using a Convex-Concave Procedure
University of Campinas(坎皮纳斯大学)
本文提出了一种用于回归任务的混合形态神经网络,称为线性膨胀-侵蚀回归器($\ell$ -DER)。一个$\ell$ -DER是由线性和形态算子的组合的凸组合。它们产生连续的分段线性函数,因此是通用的逼近器。除了介绍$\ell$ -DER模型,我们制定了他们的培训作为一个差异的凸(DC)规划问题。准确地说,$\ell$ -DER是通过使用凹凸过程(CCP)最小化最小二乘来训练的。使用几个回归任务的计算实验证实了所提出的回归器的功效,优于其他混合形态模型和最先进的方法,如多层感知器网络和径向基支持向量回归器。
2022-09-06 cs.AI cs.LG math.OC
Disciplined Saddle Programming
我们考虑凸-凹鞍点问题,更一般的凸优化问题,我们称为$\textit{saddle problems}$,其中包括部分上确界或下确界的凸-凹鞍函数。鞍点问题出现在广泛的应用中,包括对策论、机器学习和金融。众所周知,通过将凸(min)或凹(max)目标对偶化,将最小-最大问题简化为最小-最小(或最大-最大)问题,可以将鞍问题简化为单个凸优化问题。手工执行这种转换可能很繁琐,而且容易出错。在本文中,我们介绍了$\textit{disciplined saddle programming}$(DSP),域特定语言(DSL)指定鞍问题,其中的对偶技巧可以自动化。语言和方法是基于最近的工作Juditsky和Nemirovski arXiv:2102.01002 [math.OC],谁开发的概念,圆锥表示鞍点程序,并显示如何进行所需的二重性自动使用圆锥对偶。Juditsky和Nemirovski的鞍点问题的圆锥曲线表示扩展了Nesterov和Nemirovski早期对圆锥曲线可表示凸问题的发展; DSP可以被认为是将纪律凸规划(DCP)扩展到鞍点问题。正如DCP使用户能够轻松地制定和解决复杂的凸问题一样,DSP使用户能够轻松地制定和解决鞍问题。我们的方法是在一个开源软件包中实现的,也称为DSP。
2024-01-10 cs.MS math.OC
A general double-proximal gradient algorithm for d.c. programming
University of Vienna(维也纳大学)
本文提出一种双近端梯度算法,用于解决dc编程问题,允许同时评估凸和凹部分的近端点,并引入平滑部分的梯度。算法具有收敛性证明,并应用于图像处理。
2016-10-20 cs.NA math.NA math.OC
An exact algorithm for graph partitioning
提出了一种求解边赋权图划分问题的精确算法。该算法是基于一个分支定界法适用于连续二次规划制定的问题。通过将目标函数分解为凸函数和凹函数,并将凹函数替换为仿射下界,得到了目标函数的下界。证明了最佳仿射低估可以用包含可行集的最小球面的圆心和半径来表示。凹项可以通过与目标函数Hessian的最小特征值相关联的常数对角移位获得,或者通过求解半定规划问题获得的对角移位获得。数值结果表明,该算法是具有竞争力的国家的最先进的图划分代码。
2009-12-09 cs.DS math.OC
A penalized method for multivariate concave least squares with application to productivity analysis
提出了一种多元凹回归函数最小二乘估计的惩罚方法。该估计被公式化为具有$O(n^2)$约束的二次规划(QP)问题,其中n是观测的数量。计算这样的估计量是一项非常耗时的任务,并且随着观测数量的增加,计算负担急剧增加。通过引入一个二次罚函数,我们将凹最小二乘估计重新表示为一个只有非负约束的QP。这种重构可以适用于估计形状限制最小二乘的变体,即单调凹/凸最小二乘。实验结果和实证研究表明,重新制定的问题及其对偶的解决显着快于原来的问题。文中给出了实现惩罚问题的Matlab和R代码。
2016-08-11 math.OC stat.CO
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
Non-convex dynamic programming and optimal investment
我们建立在一个相当一般的设置动态随机最优化的最小值的存在性,而不假设凸性或凸性的目标函数。我们应用这一点来证明存在的非凹效用最大化问题的金融市场模型的摩擦(如流动性不足),其第一个结果。证明是基于动态规划原则,其有效性是建立在相当一般的假设。
2015-04-08 math.OC math.PR
Iterative $\ell_1$ minimization for non-convex compressed sensing
提出了一种基于凸函数差分算法(DCA)的最小化一类凹稀疏度量的压缩感知问题的算法框架。由此产生的算法迭代一系列的$\ell_1$最小化问题。建立了精确的稀疏恢复理论,证明了该方法始终在基追踪($\ell_1$ minimization)的基础上进行改进,并继承了基追踪的鲁棒性,同时通过数值算例进一步说明了,与文献中大多数非凸压缩感知求解器不同,无论测量矩阵多么病态,该方法始终优于基追踪.此外,迭代$\ell_1$(IL $_1$)算法导致了很大的利润率的最先进的算法$\ell_{1/2}$和拟最小化的强相干(高度病态)制度,尽管相同的目标函数。最后,在磁共振成像(MRI)的应用中,IL $_1$算法只需7条线投影就可以很容易地恢复体模图像。
2016-11-01 cs.IT math.IT math.OC
On Low-Rank Convex-Convex Quadratic Fractional Programming
提出了一种求解目标函数为低秩二次型与正定二次型之比的凸约束分式规划问题的有效算法。所提出的算法,这些凸-凸问题的基础上,申-余二次变换,发现凹凸比和问题的稳定点。我们进一步使用[arXiv:1802.10192]中提出的算法元素和经典的Dinkelbach方法来确保收敛。我们表明,我们的算法比以前的低秩问题的算法性能更好。
2023-01-26 math.OC
A Tight Linearization Strategy for Zero-One Quadratic Programming Problems
本文提出了一种线性化零-一二次极小化问题的新方法,该方法在计算机科学和通信领域有着广泛的应用。我们的算法是基于观察,二次项的零-一个变量有两个等价的分段配方,凸和凹的情况下。凸分段目标函数和/或约束在推导小线性化中起着重要作用。还讨论了进一步的紧缩战略。
2012-04-20 cs.DS math.OC
Bilinear Compressed Sensing under known Signs via Convex Programming
本文研究了从两个向量的乘积中恢复两个向量$\boldsymbol{x} \in\mathbb{R}^L$和$\boldsymbol{w} \in\mathbb{R}^L$的双线性逆问题。我们考虑的情况下,$\boldsymbol{x}$和$\boldsymbol{w}$有已知的迹象,并稀疏相对于已知的字典的大小$K$和$N$,分别。这里,$K$和$N$可以大于、小于或等于$L$。我们介绍$\ell_1$ -BranchHull,这是一个凸规划中的自然参数空间,并不需要一个近似的解决方案或初始化,以说明或解决。在假设$\boldsymbol{x}$和$\boldsymbol{w}$满足相对有效稀疏性条件并且相对于随机字典是$S_1$和$S_2$稀疏的情况下,我们提出了在有噪情况下的恢复保证。我们表明,$\ell_1$ -BranchHull是强大的小密集噪声的概率高,如果测量的数量满足$L\geqΩ\left((S_1+S_2)\log^{2}(K+N)\right)$。数值实验表明,该定理中的标度常数并不太大。我们还介绍了变体的$\ell_1$ -BranchHull的容忍噪声和离群值的目的,并恢复分段恒定信号的目的。我们提供了这些变体的ADMM实现,并表明它们可以从真实图像中提取分段常数行为。
2019-06-28 cs.IT math.IT math.OC
A utility maximization problem with state constraint and non-concave technology
我们考虑了一个最优控制问题,这个问题出现在经济增长理论的背景下,遵循Skiba(1978)和Askenazy - Le Van(1999)的工作路线。该模型的经济框架是跨期无限时域效用最大化。动态包括一个状态变量,代表社会计划者的总禀赋或代表王朝的平均资本。从数学的观点来看,该模型的主要特征如下:(i)动态是状态的递增的、无界的且非全局凹函数;(ii)状态变量受静态约束;(iii)容许控制仅在右半线上局部可积。这种假设似乎比大多数现有文献中出现的假设要弱。对状态变量的任意初始值给出了最优控制存在性的直接证明,并对值函数进行了定性研究,利用动态规划方法证明了值函数是相应的Hamilton-Jacobi-Bellman方程的连续黏性解.
2014-09-04 math.OC
A vector linear programming approach for certain global optimization problems
本文将拟凹目标、线性约束的全局优化问题转化为向量线性规划,提出两种改进的 Benson 型 MOLP 算法,推广并改进了已有结果,并通过与 BARON 比较验证其效果。
2018-03-08 math.OC
Escaping the Local Minima via Simulated Annealing: Optimization of Approximately Convex Functions
The Fuqua School of Business, Duke University(德克萨斯大学福克商学院);Department of Statistics, The Wharton School, University of Pennsylvania(宾夕法尼亚大学沃顿商学院统计系);Department of Statistics and Department of Mathematics, University of Washington(华盛顿大学统计系和数学系)
本文研究了如何通过模拟退化方法优化近似凸函数,提出了一种基于Hit-and-Run方法的采样算法,能够有效避免局部极小值问题,并在零阶随机凸优化中实现了高效的ε-极小值求解。
2015-06-15 cs.LG cs.NA math.NA
A proximal splitting algorithm for generalized DC programming with applications in signal recovery
本文针对一类广义差凸规划提出了一种近端分裂算法,利用近端求值和Douglas--Rachford分裂处理目标函数的不同部分,并在Kurdyka--Łojasiewicz性质下证明了全局收敛性及收敛速率,在信号恢复问题上表现出竞争力。
2025-05-28 math.OC
Approximation Analysis of the Entropic Penalty in Quadratic Programming
Cornell University(康奈尔大学);Imperial College London(伦敦帝国学院)
本文针对二次规划中的熵惩罚正则化,证明凹情形下逼近间隙指数衰减,不定或凸情形下至多线性衰减,并据此设计算法及应用于离散Gromov-Wasserstein问题,给出首个指数级逼近界。
2025-09-24 math.OC
Global Optimization via Quadratic Disjunctive Programming for Water Networks Design with Energy Recovery
针对水网络设计中含双线性与凹约束的GDP模型求解难题,提出二次与分段线性近似方法将其重构为QGDP模型,在保证精度的同时提升了大规模过程综合问题的求解效率与可处理性。
2024-07-28 math.OC
On Well-Structured Convex-Concave Saddle Point Problems and Variational Inequalities with Monotone Operators
LJK, Université Grenoble Alpes(洛朗施瓦茨数学与计算机科学实验室,格勒诺布尔阿尔卑斯大学);ISyE, Georgia Institute of Technology(工业与系统工程学院,佐治亚理工学院)
本文提出K-conic表示法,将凸-凹鞍点问题和变分不等式转化为锥问题,从而扩展了CVX的应用范围。
2026-06-23 math.OC
Complete solutions to nonconvex fractional programming problems
本文对一类椭圆约束下的非凸优化问题,即极小化二次函数之和及非凸函数与二次函数之比问题,给出了一种正则对偶方法.我们首先放松分数结构引入一个家庭的参数子问题。在一定条件下,我们证明了每个子问题的典型对偶成为一个没有对偶间隙的二维凹最大化问题。由于参数化子问题的最优解的下确界导致原问题的解,然后我们推导出一些最优性条件和存在性条件,找到一个全局极小的原问题。
2012-11-20 math.OC
Hidden Convexity via Symmetric Displacement Covers: Mixed-Integer Quadratic Programming and Integer Cubic Programming in Fixed Dimension
Grado Department of Industrial and Systems Engineering, Virginia Tech(弗吉尼亚理工大学工业与系统工程系)
本文证明固定维数下有理三次多项式在整数点上的精确最小化可多项式求解,通过结合精确恒等式与整数查询分离预言机等技巧,并解释了三次为方法自然边界的原因。
2026-09-25 math.OC
Preference Elicitation and Robust Optimization with Multi-Attribute Quasi-Concave Choice Functions
University of Southampton(南安普顿大学)
决策者的偏好往往被捕获的一些选择功能,用于排名的前景。在本文中,我们考虑在多属性前景空间的选择函数的模糊性。我们的主要结果是一个强大的偏好模型,其中最佳决策是基于最坏情况下的选择功能,从一个模糊集,通过与成对比较的前景偏好启发。不同于现有的作品在该地区,我们的重点是准凹选择功能,而不是凹功能,这使我们能够涵盖广泛的效用/风险偏好问题,包括多属性的期望效用和$S$形的期望风险偏好。稳健选择函数是递增的和准凹的,但不一定是平移不变的,这是货币风险度量的一个关键属性。提出了两种分别基于拟凹函数的支持函数和水平函数的方法来构造最大最小偏好鲁棒优化模型的易于处理的公式。前者产生一个混合整数线性规划问题,而后者相当于解决一系列凸风险最小化问题。为了评估所提出的鲁棒偏好优化模型和数值方案的有效性,我们将其应用于安全预算分配问题,并报告了一些初步的实验结果。
2018-05-17 cs.AI cs.IR math.OC
On Convex optimization without convex representation
本文考虑凸优化问题P:min {f(x):x in K},其中f是凸连续可微函数,K是Rn中的紧致凸集,对连续可微函数(g_j)有表示{x:g_j(x)>=0,j=1,;;,m}.我们讨论的情况下,g_j的不都是凹的(与凸规划,他们都是)。特别地,即使g_j不是凹函数,我们考虑与P相关联的具有参数μ的对数障碍函数phi_μ,其通常定义为凹函数(g_j)。证明了φ_μ,μ->0的任意平稳点序列(x_μ)的任意极限点是问题P的Karush-Kuhn-Tucker点,也是f在K上的全局极小点.
2014-01-28 math.OC
A new dual for quadratic programming and its applications
本文的主要研究成果分为两个部分。首先,我们给出了二次规划的一个新的对偶,其中的对偶变量是仿射函数,并证明了强对偶性。由于新的对偶是棘手的,我们考虑通过限制可行集的修改版本。这导致了二次规划的一个新的界限。证明了该界的对偶是二次规划的半定松弛。此外,我们探讨了这个界限和著名的界限之间的关系。在第二部分中,由于新的界,我们提出了凹二次规划的分支切割算法。证明了算法具有整体收敛性。数值算例表明了该方法的有效性。
2019-01-30 math.OC
Sparse Recovery Beyond Compressed Sensing: Separable Nonlinear Inverse Problems
从非线性测量中提取信息是数据分析中的一个基本挑战。在这项工作中,我们考虑可分离的反问题,其中的数据被建模为一个线性组合的功能,非线性地依赖于某些参数的兴趣。这些参数可以表示人脑中的神经元活动、电磁波的频率、细胞中的荧光探针或生物组织的磁弛豫时间。可分离的非线性反问题可以转化为欠定稀疏恢复问题,并利用凸规划求解。这种方法在从物理学到医学成像的各个领域都取得了经验性的成功,但缺乏理论依据。特别是,压缩感知理论不适用,因为测量算子是确定性的,并违反非相干条件,如限制等距属性。我们的主要贡献是稀疏恢复适应确定性设置的理论。我们表明,凸规划成功地恢复感兴趣的参数,只要它们的值是足够不同的测量算子的相关结构。通过数值实验说明了两个应用程序的理论结果:热源定位和估计脑电数据的大脑活动。
2020-07-05 cs.IT cs.NA eess.SP
A refined convergence analysis of pDCA$_e$ with applications to simultaneous sparse recovery and outlier detection
We consider the problem of minimizing a difference-of-convex (DC) function, which can be written as the sum of a smooth convex function with Lipschitz gradient, a proper closed convex function and a continuous possibly nonsmooth concave function . We refine the convergence analysis in [38] for the proximal DC algorithm with extrapolation (pDCA $_e$ ) and show that the whole sequence generated by the algorithm is convergent when the objective is level-bounded, { \em without} imposing differentiability assumptions in the concave part. Our analysis is based on a new potential function and we assu…
2018-04-19 math.OC stat.ML
A cutting plane algorithm for globally solving low dimensional k-means clustering problems
KTH Royal Institute of Technology(瑞典皇家理工学院)
本文将低维k-means聚类问题建模为结构化凹分配问题,提出一种基于割平面思想的全局优化算法,通过迭代求解小型凹问题和大型线性规划问题,实现大规模低维数据集的全局最优聚类。
2024-02-21 cs.LG math.OC stat.ML
Computationally Tractable Robust Nonlinear Model Predictive Control using DC Programming
University of Oxford(牛津大学)
本文提出一种基于DC编程的鲁棒非线性MPC框架,通过数据驱动方法构建DC模型并实现递归可行性与鲁棒稳定性。
2026-10-01 cs.SY eess.SY math.OC
A convex combination based primal-dual algorithm with linesearch for general convex-concave saddle point problems
本文提出一种基于凸组合与自适应线搜索的原对偶算法,用于求解一般光滑非双线性耦合的凸凹鞍点问题,并给出次线性收敛率及强凸情形下O(1/N^2)的加速版本,数值实验验证了其显著优势。
2024-01-16 math.OC
On the convergence of mirror descent beyond stochastic convex programming
Stanford University(斯坦福大学);Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所)
在本文中,我们研究了一类随机最优化问题的镜像下降的收敛性,这些问题不一定是凸的(甚至是拟凸的),我们称之为变分相干的。由于标准技术的“遍历平均”提供没有实际的好处以外的凸规划,我们直接专注于算法的最后生成的样本(其“最后一个”),我们表明,它收敛的概率$1$,如果根本的问题是一致的。我们进一步考虑了一个局部版本的变分相干,它确保随机镜像下降(SMD)的局部收敛的高概率。这些结果表明(准)凸性对于收敛到全局极小值并不是必需的,从而为非凸随机最优化的前景做出了贡献:相反,变分相干性(一个弱得多的要求)就足够了。最后,在上述基础上,我们揭示了一个关于SMD收敛速度的有趣见解:在具有尖锐极小值的问题(如一般线性规划或凹极小化问题)中,SMD在有限步数(a.s.)中达到极小点,即使存在持续的梯度噪声。这一结果是对比现有的黑盒收敛速度估计,只有渐近。
2018-07-16 cs.LG math.OC
Testing the Nullspace Property using Semidefinite Programming
压缩感知的最新研究结果表明,在一定条件下,欠定线性方程的稀疏解可以通过求解线性规划来恢复。这些结果要么依赖于计算设计矩阵的稀疏特征值,要么依赖于其零空间的性质。到目前为止,还没有一个易于处理的算法来测试这些条件,目前的大多数结果依赖于随机矩阵的渐近性质。给定一个矩阵A,我们使用半定松弛技术来测试零空间属性的A和一些数值例子表明,这些松弛界可以证明具有相对较高的基数稀疏解决方案的完美恢复。
2010-11-01 math.OC
DC Decomposition of Nonconvex Polynomials with Algebraic Techniques
我们把一个多元多项式的分解问题看成是两个凸多项式的差。我们介绍代数技术,减少这项任务的线性,二阶锥,半定规划。这使我们能够优化凸分解的有效差分(dcds)的子集,并找到加速凸-凹过程(CCP)的子集。然而,我们证明,在整个集的dcds优化是NP难的。
2018-09-12 cs.DS math.OC stat.ML
Occupancy Information Ratio: Infinite-Horizon, Information-Directed, Parameterized Policy Search
U.S. Army Research Laboratory(美国陆军研究实验室);J.P. Morgan AI Research(摩根大通人工智能研究院);Stony Brook University(纽约州立大学石溪分校)
本文提出占用信息比率(OIR)作为无限时域强化学习的新目标,利用拟凹优化与线性规划理论将其转化为凹规划问题,并推导无模型策略梯度算法,在稀疏奖励环境下优于传统方法。
2023-12-28 cs.LG 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
Development of a Convex Programming Model for Optimal Power Flow Problems
最优潮流(OPF)是一种最优化模型,致力于开发用于电力系统规划和运行的计算工具。本文基于极坐标形式,提出了一种扩展的凸模型。要做到这一点,正弦和余弦项是凸化过程中最困难的部分,因为这类函数在凹和凸之间振荡。这些函数最初不是凸的,但有可能找到一个凸低估器(CU)。为了得到这个CU,泰勒级数提供了一个很好的,但是非凸的,对这种三角函数的近似。虽然模型仍然是非凸的,这些条款可以重铸相应的等价凸项。利用IEEE 14-,30-,54-和118节点测试系统对所得到的凸模型的最优潮流进行了测试和分析。
2018-10-28 math.OC
Lifting-Free Quadratic Sum-Of-Squares Programming
University of Sheffield(谢菲尔德大学)
针对QSOS优化问题中传统方法的计算瓶颈,提出无提升正则化方法,通过添加范数惩罚保留原始圆锥结构,有闭式原始更新和无约束凹对偶,加速一阶方法可最大化对偶,数值实验显示该方法比现有求解器更快且能处理更大问题。
2026-07-16 cs.SY eess.SY math.OC
NUM-Based Rate Allocation for Streaming Traffic via Sequential Convex Programming
近年来,对数据网中的无处不在的流传输类应用的需求不断增加。在本文中,我们集中在NUM为基础的流媒体应用程序的速率分配与所谓的S曲线效用函数。由于这种效用函数的非凸性,潜在的NUM问题将是非凸的,对偶方法可能变得非常无用。为了解决非凸问题,使用基本技术,我们使网络的效用凹,但这会导致反凸约束,使问题非凸。为了处理这样一个转换后的NUM,我们利用序列凸规划(SCP)的方法来近似的非凸问题的一系列凸的。基于这种方法,我们提出了一个分布式速率分配算法,并证明了在温和的条件下,它收敛到一个局部最优解的原始NUM。数值结果验证了该算法的有效性,在听话的收敛性。
2011-09-30 cs.NI math.OC
A Note on Optimal Product Pricing
本文探讨在考虑自弹性与交叉弹性条件下,通过最大化利润来定价产品的问题,并比较三种方法发现局部最优解,认为所得价格可能为全局最优。
2026-04-29 math.OC
Stochastic Gradient Methods with Compressed Communication for Decentralized Saddle Point Problems
IIT Bombay(印度理工学院孟买分校)
本文针对去中心化非光滑强凸-强凹鞍点问题,提出两种带压缩通信的随机梯度算法C-RDPSG和C-DPSVRG,给出计算与通信复杂度理论保证,并通过数值实验验证其竞争性性能。
2023-04-14 cs.DC cs.DS cs.LG
Verification of Sequential Convex Programming for Parametric Non-convex Optimization
University of Pennsylvania(宾夕法尼亚大学)
本文提出一种验证框架,用于为参数非凸优化中的序列凸编程算法提供全局最坏情况性能保证。
2025-11-27 math.OC
Comparing perspective reformulations for piecewise-convex optimization
我们的研究动机是通过序列凸MINLP技术解决具有可分离非凸函数的混合凸非线性规划(MINLP)问题,序列凸MINLP技术是一种迭代法,其主要特点是求解,分段凸MINLP松弛通过确定每个单变量函数是凸或凹的区间,然后用分段凸松弛凹部分而获得。线性弛豫的精度不断提高。这个过程需要引入新的二进制变量来激活定义函数的间隔。在本文中,我们比较了三种不同的标准配方的下界子问题,我们表明,无论是理论上和计算上,-不像在分段线性的情况下-他们是不等价的,当应用的角度重新制定,以加强制定在原来的功能是凸的部分。
2022-11-28 math.OC
A Simple Learning-Augmented Algorithm for Online Packing with Concave Objectives
Purdue University(普渡大学);Melbourne Business School(墨尔本商学院)
本文提出一种用于线性约束和凹目标在线打包问题的简单学习增强算法,以黑盒方式在建议与在线算法间切换,并应用于线性规划、背包、吞吐量最大化等问题,同时探讨黑盒解最优的充要条件。
2024-06-05 cs.DS cs.LG math.OC
A Utility Theory Based Interactive Approach to Robustness in Linear Optimization
我们处理不确定性线性规划问题,利用加权分析中心的概念和多准则决策领域的概念。在介绍了我们的方法,我们开发了强大的优化交互式切割平面算法,基于凹和准凹效用函数。除了实际优势外,由于我们方法的灵活性,我们能够证明在Bertsimas和Sim [14]的理论框架下,该框架建立了鲁棒最优化问题的某些凸公式的存在性,由我们的算法生成的鲁棒最优解至少与由许多其他鲁棒优化算法生成的任何解一样,理论框架。我们提出了一些可靠的解决方案的可行性概率界,并通过计算实验来评估我们的方法。
2017-01-11 math.OC
Non-concave stochastic optimal control in finite discrete time under model uncertainty
本文提出有限离散时间下非凹鲁棒随机最优控制的一般框架,通过动态规划原理同时求解最优控制和最坏情况测度,并应用于金融衍生品对冲,在金融危机等不利情景下优于经典Delta对冲等策略。
2025-05-05 math.OC math.PR q-fin.MF
The Proximal Operator of the Piece-wise Exponential Function and Its Application in Compressed Sensing
本文修正了分段指数函数近端算子的公式,并开发了用于压缩感知的ISTA算法,与九种非凸惩罚项比较,展示了其优势。
2023-06-23 cs.NA math.NA math.OC