On the Number of Degenerate Simplex Pivots
Otto von Guericke University Magdeburg(奥托·冯·格里克马格德堡大学);Bocconi University(博科尼大学)
本文研究单纯形算法中退化换基的限制,证明通过任一可行改善方向可将连续退化换基次数限制为n-m-1。
2026-03-25 math.CO math.OC
The Random Edge Simplex Algorithm on Dual Cyclic 4-Polytopes
利用随机边截规则的单纯形算法对n个面的对偶循环4-多面体的任意实现所需的时间不超过O(n)。这甚至适用于一般抽象目标函数(AOF)/非循环唯一汇方向(AUSO)。该方法可用于两个多边形乘积的类似结果。相比之下,我们证明了随机小平面的随机规则在对偶循环4-多面体上是缓慢的,即存在随机小平面至少需要Ω(n^2)步的AUSO。
2006-05-04 math.CO math.OC
Bounds for the number of basic feasible solutions generated by the simplex method with the largest distance rule
Faculty of Economics, Kyushu University(九州大学经济学部)
本文分析了最大距离规则下的单纯形方法,推导了生成不同基本可行解数目的上界。通过扩展Kitahara和Mizuno的分析框架,引入由约束矩阵列范数决定的几何参数β,无需非退化解假设。
2026-03-23 math.OC
Exponential Lower Bounds for Many Pivot Rules for the Simplex Method
针对单纯形法的 shadow 与 steepest edge 转轴规则,本文构造线性规划实例,证明任意投影或任意范数选择下均可产生指数级运行时间下界。
2024-05-08 math.CO math.OC
On the Simplex method for 0/1 polytopes
我们提出了新的枢轴规则的单纯形方法的LP超过0/1多面体。我们表明,使用这些规则所采取的非退化步骤的数量是强多项式,甚至线性的维度或变量的数量。我们的界限上的步骤的数量是渐近最优的几个著名的组合多面体。我们的分析是基于0/1多面体的几何形状和经典的最陡边和阴影顶点枢轴规则的新修改。我们绘制有趣的连接我们的枢纽规则和其他知名的组合优化算法。
2021-11-28 math.CO math.OC
The existence of a strongly polynomial time simplex algorithm for linear programs
在最优化和离散几何中最具挑战性的问题是线性规划是否存在强多项式时间单纯形算法。本文利用我们提出的参数分析技术(arXiv:2006.08104)对这一问题给出了肯定的回答。我们表明,有一个单纯形算法的枢转步骤的数量不超过一个LP问题的变量的数量。
2022-09-30 math.OC
Block Coordinate Descent Network Simplex Methods for Optimal Transport
Graduate School of Informatics, Kyoto University(京都大学情报学研究科)
本文提出了一种结合网络单纯形算法与块坐标下降策略的BCDNS方法,用于高效求解大规模最优传输问题,实现了精确解和显著的速度提升。
2026-01-07 math.OC
Escaping Degeneracy by Following Shadow Edges
Bowdoin College(博多因学院);Illinois State University(伊利诺伊州立大学);Bocconi University(博科尼大学)
本文针对单纯形法的退化问题,提出一种转轴规则,可规避退化并追踪影子边方向,仅需线性数量退化转轴,还改进了0/1多面体上线性规划的退化转轴数量上界。
2026-10-09 cs.DS math.OC
A fast-pivoting algorithm for Whittle's restless bandit index
Universidad Carlos III de Madrid(马德里卡洛斯三世大学)
本文提出了一种快速转动算法,用于计算restless bandit问题的Whittle指数,通过简化单纯形方法和自适应贪婪算法,显著提升了计算效率。
2026-01-21 math.OC
Cycling problems in linear programming
本文给出了线性规划中的一组循环问题。这些问题应该是有用的研究人员开发和测试新的单纯形算法。事实上,这组问题被用来测试最近提出的线性规划的双枢轴单纯形算法。
2021-07-18 math.OC
Klee-Minty's LP and Upper Bounds for Dantzig's Simplex Method
Kitahara和Mizuno(2010)得到了Dantzig单纯形法生成的不同基本可行解个数的两个上界。边界的大小高度依赖于基本可行解的所有正元素的最大值和最小值之间的比率。本文以Klee-Minty线性规划的一个简单变形为例,给出了线性规划的迭代次数与比之间的关系。我们看到,该变量的比值等于Dantzig单纯形法求解该变量的迭代次数,这意味着不可能得到比比值更好的上界。我们也给出了改进的上界的结果。
2011-02-06 math.OC
On the Length of Monotone Paths in Polyhedra
受单纯形算法迭代次数的限制问题的启发,我们研究了在多面体的定向图(由目标函数定向)中单纯形方法所遵循的单调路径的可能长度。我们考虑了最短和最长单调路径,并估计了多面体的单调直径和高度。我们的分析适用于运输多面体,拟阵多面体,匹配多面体,最短路径多面体,和TSP,等等。我们首先表明,组合立方体有单调和Bland枢轴高度的限制,其尺寸和实际上所有的单调路径zonotopes不大于zonotopes的边缘方向的数量。我们稍后使用它来证明几个多面体具有多项式大小的枢轴高度,对于所有的枢轴规则。相反,我们发现,许多著名的组合多面体有指数长单调路径。令人惊讶的是,对于一些著名的枢纽规则,例如,最大的改进和最陡的边缘,这些相同的多面体具有多项式大小的单纯形路径。
2020-01-27 math.CO math.OC
Tropicalizing the simplex algorithm
我们开发了一个热带模拟单纯形算法的线性规划。特别是,我们得到一个组合算法来执行一个热带枢转的步骤,包括计算降低成本,在O(n(m+n))的时间,其中m是约束的数量和n是维度。
2014-12-21 math.CO math.OC
Pivoting in Linear Complementarity: Two Polynomial-Time Cases
研究了P-矩阵线性互补性问题的简单主元方法的性质。我们解决了一个开放的问题,莫里斯表明,Murty的最小指数枢轴规则(在任何固定的索引顺序)导致二次迭代次数的莫里斯的高度循环P-LCP的例子。然后,我们表明,在K-矩阵LCP的情况下,所有的枢轴规则只需要一个线性数量的迭代。作为主要的工具,我们采用独特的下沉方向的立方体,一个有用的组合抽象的P-LCP。
2009-03-28 math.OC
Simplex Frank-Wolfe: Linear Convergence and Its Numerical Efficiency for Convex Optimization over Polytopes
Tsinghua University(清华大学);The Hong Kong Polytechnic University(香港理工大学)
本文提出 SLMO 及 Simplex Frank-Wolfe、rSFW 两种变体,在多面体强凸优化中实现线性收敛,并以近乎标准 LMO 的低迭代开销获得优异数值性能。
2025-09-29 math.OC
A Bound for the Number of Different Basic Solutions Generated by the Simplex Method
本文对具有最优解的线性规划问题,给出了单纯形法生成的不同基本可行解个数的一个上界。该界是约束个数、变量个数和原始基本可行解的所有正元素的最小值与最大值之比的多项式。当原问题是非退化的,它成为一个限制的迭代次数。当它应用于特殊的线性规划问题时,我们给出了一些基本结果。本文的结果包括了叶先生关于马尔可夫判定问题的单纯形法的强多项式性,并利用了它的分析。
2011-01-20 math.OC
Two New Bounds on the Random-Edge Simplex Algorithm
我们证明了随机边单纯形算法在任意n个顶点的简单d-多胞形上需要期望的至多13 n/sqrt(d)个主元步。这是一般多面体的第一个非平凡的上界。我们还描述了一个精致的分析,可能会产生更好的界限特定类别的多面体。作为一个应用,我们证明了对于组合d-立方体,随机边的性能上的2^d的平凡上界可以通过d中的任何期望的多项式因子来渐进地改进。
2008-07-15 math.CO math.OC
On Combinatorial Network Flows Algorithms and Circuit Augmentation for Pseudoflows
该研究引入伪流多面体框架,揭示了多种经典网络流组合算法与回路增广、单纯形法转轴规则的对应关系,为理解这类算法的内在联系提供了统一视角。
2023-12-19 math.OC
An Active-Set Algorithmic Framework for Non-Convex Optimization Problems over the Simplex
在本文中,我们描述了一个新的有效集算法框架,用于最小化单位单纯形上的非凸函数。在每次迭代中,该方法利用用于识别活动变量的规则(即,在固定点为零的变量)和满足新的“非正交”类型条件的特定方向(我们称之为活动集梯度相关方向)。我们证明了整体收敛的固定点时,使用Armijo线搜索在给定的框架。我们进一步描述了三个不同的例子,有效集梯度相关的方向,保证线性收敛速率(在适当的假设下)。最后,我们报告的数值实验表明该方法的有效性。
2020-05-18 math.OC
Krylov-Simplex method that minimizes the residual in $\ell_1$-norm or $\ell_\infty$-norm
本文提出了两个变种的Krylov单纯形迭代法,结合Krylov和单纯形迭代,以尽量减少残留$r = b-Ax$。第一种方法最小化$\|r\|_\infty$,即绝对残差的最大值。第二个最小化$\|r\|_1$,并找到具有最小绝对残差的解决方案。这两种方法都在Krylov子空间中搜索最优解$x_k$,这导致了一个小的线性规划问题。一个专门的单纯形算法解决这个投影问题,并找到最佳的线性组合的Krylov基向量近似的解决方案。由此产生的单纯形算法需要解决一系列的小密集的线性系统,只有不同的秩一更新。这些矩阵的$QR$因式分解在每次迭代中更新。数值实验证明了该方法的有效性。
2021-01-27 cs.NA math.NA math.OC
Pivot Rules for Circuit-Augmentation Algorithms in Linear Optimization
回路增广算法是单纯形方法的推广,其中在每一步中,允许沿着一组固定的方向移动,称为回路,这是多面体的边的超集。我们表明,在电路增强框架中,最大的改进和Dantzig枢轴规则是NP难的,已经为0/1-LP。相应地,最速下降主元规则可以在0/1设置中在多项式时间内执行,并且对于0/1-LP,根据该规则达到最优解所需的电路扩充的数量是强多项式的。在单纯形方法中,回路扩充的数目作为步骤数目的代理已经引起了人们的兴趣,并且多面体的回路直径已经被研究作为多面体组合直径的下界。扩展以前的结果,我们表明,对于任何多面体$P$的电路直径是有界的一个多项式的输入位大小的$P$。这与多面体的组合直径的最佳界限相反。有趣的是,我们证明了电路增强框架可以用来对经典单纯形方法本身做出新的结论:特别是,作为我们的电路结果的副产品,我们证明了(i)计算最短的(ii)对于$0/1$多面体,可以使用最陡的改进边来构造强多项式长度的单调路径。
2020-10-22 cs.DM math.CO math.OC
Gradient Projection for Solving Quadratic Programs with Standard Simplex Constraints
在标准单纯形上优化函数的一个重要方法是有效集算法,该算法要求将函数的梯度投影到超平面上,并对位于单纯形边界上的变量进行符号约束。为此,我们提出了一种新的算法来有效地投影梯度。此外,我们提出的梯度投影法,以二次规划(QP)与标准的单纯形约束,梯度投影是用来探索的可行域,当我们相信最佳的活动集被识别,我们切换到约束共轭梯度,以加速收敛。具体地说,两个不同方向的梯度投影,即投影梯度和约化梯度被用来探索单纯形。我们根据两个方向之间的夹角选择其中一个方向。此外,我们提出了两个条件猜测的最佳活动集。第一个条件是工作集在多次迭代中保持不变,第二个条件是投影梯度和缩减梯度之间的角度足够小。基于这些策略,提出了一种求解标准单纯形上二次规划的新的有效集算法。
2020-07-17 math.OC
Lower bounds for ranking-based pivot rules
TU Darmstadt(达姆施塔特工业大学);FU Berlin(柏林自由大学);University of Twente(特文特大学)
本文提出基于排名的极值规则的下界,展示了策略改进和策略迭代的超多项式和亚指数下界,适用于不同优化问题的规则类。
2026-08-11 cs.GT math.OC
Combinatorial simplex algorithms can solve mean payoff games
组合单纯形算法是单纯形法的一个实例,其中主元仅依赖于组合数据。我们表明,这种算法承认热带模拟,可用于解决平均收益游戏。此外,任何具有强多项式复杂性的组合单纯形算法(这样的算法的存在是开放的)将以这种方式提供求解平均支付博弈的强多项式算法。平均支付博弈是NP和co-NP的,它们是否可以在多项式时间内解决是一个开放的问题。我们的算法依赖于一个热带实施的单纯形法在一个实封闭的领域的哈恩系列。其中一个关键因素是一种新的符号扰动方案,它允许我们将任意平均回报游戏实例提升为哈恩级数上的非退化线性规划。
2014-01-27 math.CO math.OC
The Simplex Algorithm in Dimension Three
本文研究了三元线性规划,即三维简单多面体上的单纯形算法的最坏情况。在我们考虑的主元规则中,“随机边缘”规则产生最好的渐近行为以及最复杂的分析。所有其他规则都变得更容易研究,但也产生更差的结果:它们中的大多数基本上表现出最坏的行为;这包括Kalai的“随机面”规则,没有维数限制,已知是次指数的,以及Zadeh的确定性历史依赖规则,迄今为止还没有发现一般维数的非多项式实例。
2004-08-20 math.CO math.OC
Learning Warm Starts for the Simplex Method from Measured Solver Cost
Center for Systems Science and Engineering, Johns Hopkins University(约翰斯·霍普金斯大学系统科学与工程中心)
该研究提出CostStart方法,结合监督基预测与基于CPU指令数的策略选择,在25类线性规划上较默认启动减半求解时间,且比两种已发表方法快1.4-2.2倍。
2026-10-16 cs.LG math.OC
Toward Solving 2-TBSG Efficiently
2-TBSG是一个两人博弈模型,其目标是寻找纳什均衡,并广泛应用于强化学习和人工智能。由于求解确定性折扣马尔可夫决策过程(MDP)的单纯形法是强多项式独立于折扣因子的,我们试图回答一个公开问题:是否存在求解2-TBSG的类似算法.我们开发了一个单纯形策略迭代,其中一个球员更新其战略与单纯形步骤,而另一个球员依次找到一个最佳的对策,并修改单纯形策略迭代。它们都属于一类几何收敛算法。我们建立了强多项式的性质,这些算法通过考虑一个战略相结合的当前战略和平衡战略。此外,我们提出了一种方法,将一般的2-TBSG转换为特殊的2-TBSG,其中每个状态正好有两个动作。
2019-06-09 cs.GT math.OC
A Network Simplex Method for the Budget-Constrained Minimum Cost Flow Problem
本文提出了一种求解有限约束最小费用流问题的网络单纯形算法,该算法是传统最小费用流问题的一种扩展,通过引入与每条边相关的第二类费用,使其在可行流中的总价值受到给定预算B的约束.我们提出了一个完全组合的算法,是基于一个新的合并的两种积分节点的潜力和三种降低成本的描述。我们证明了最优性准则,并结合两种方法,通常用于避免循环在传统的网络单纯形算法到新的技术,适用于我们的问题。有了这些技术和我们的定义,降低成本,我们能够证明一个伪多项式的运行时间的整个过程中,这可以进一步改善,结合Dantzig的旋转规则。此外,我们提出的计算结果,比较我们的程序与Guesthouse。
2016-09-30 cs.DS math.OC
Interior point methods are not worse than Simplex
提出“子空间分层最小二乘”内点法,其迭代复杂度受直线复杂度约束且至多为指数级,每次迭代可强多项式时间实现,还开发了强多项式时间高精度矩阵奇异值分解近似算法。
2025-02-19 cs.DS math.OC
An Exponential Lower Bound for Zadeh's pivot rule
单纯形算法是否存在有效的主元规则是离散最优化中最重要的问题之一。虽然许多自然的、确定性的主元规则都可以产生指数级的运行时间,但随机面规则的运行时间是次指数级的。在很长一段时间里,扎德规则仍然是第一个具有次指数运行时间的确定性主元规则的最突出的候选者。我们提出了一个下界建设,表明扎德的规则,实际上是指数在最坏的情况下。我们的建设是基于一个密切的关系,奇偶博弈的策略改进算法和马尔可夫决策过程的政策迭代算法,我们也得到指数下界Zadeh的规则在这些情况下。
2020-10-30 cs.DS math.CO math.OC
Accelerated Stochastic Greedy Coordinate Descent by Soft Thresholding Projection onto Simplex
本文研究了求解$\ell_1$ -正则化问题的贪婪坐标下降(Greedy Coordinate Descent,GCD)算法,并利用Nesterov加速策略和随机最优化策略对GCD算法进行了改进。首先提出了一种新的基于$\ell_1$ -范数平方逼近的贪婪选择规则,该规则是凸的,但非平凡的,然后提出了一种有效的算法SOTOPO(SoftThresholdingPrOjection)来精确求解由新规则导出的$\ell_1$ -正则化的$\ell_1$ -范数平方逼近问题.在此基础上,将Nesterov加速策略和随机最优化策略成功地应用于GCD算法。该算法称为加速随机贪婪坐标下降算法(ASGCD),具有最优的收敛速度$O(\sqrt{1/ε})$,同时将贪婪选择的迭代复杂度降低到样本量的1倍.无论是理论上还是经验上,我们都表明ASGCD对于高维稠密稀疏解问题具有更好的性能。
2017-06-24 math.OC
Improved and Generalized Upper Bounds on the Complexity of Policy Iteration
INRIA Nancy Grand Est(法国国家信息与自动化研究所南锡-大东部研究中心)
给定具有$n$状态和动作总数$m$的马尔可夫决策过程(MDP),我们研究策略迭代(PI)算法收敛到最佳$γ$折扣策略所需的迭代次数。我们考虑PI的两个变化:霍华德的PI,改变了所有国家的行动与积极的优势,和单纯形PI,只改变了国家的行动与最大的优势。我们表明,霍华德的PI终止后,在最多$O\left(\frac{m}{1-γ}\log\left(\frac{1}{1-γ}\right)\right)$迭代,提高了一个因子$O(\log n)$的结果汉森等人,而Simplex-PI在最多$O\left(\frac{nm}{1-γ}\log\left(\frac{1}{1-γ}\right)\right)$迭代之后终止,将结果提高因子$O(\log n)$ Ye。在MDP的一些结构性质下,我们考虑了与折扣因子$γ$无关的界:假设过程从均匀分布开始,则兴趣量分别是\emph{expected time spent in transientstates}和\emph{the inverse of the frequency of visits in recurrentstates}上的界$τ\_t$和$τ\_r$-在所有状态和策略上是均匀的。这推广了Post & Ye关于确定性MDP的一个结果,其中$τ\_t\le 1$和$τ\_r \le n$,特别是它表明了Simplex-PI对于更大…
2016-02-10 cs.AI cs.DM cs.RO
Mass-spring-damper Networks for Distributed Optimization in Non-Euclidean Spaces
考虑非欧几里得空间中非光滑凸函数之和的极小化问题,例如,概率单纯形,仅通过无向图上的局部计算和通信。我们提出了两个算法的质量弹簧阻尼动力学。第一个算法使用了一个明确的更新,只计算次梯度和Bregman投影,并匹配集中镜像下降的收敛行为。第二种算法使用隐式更新,在每次迭代中解决惩罚子问题,并实现\(\mathcal{O}(1/K)\)的迭代复杂度。最后通过数值算例对结果进行了验证。
2019-08-21 math.OC
(Machine) Learning to Improve the Empirical Performance of Discrete Algorithms
UC Davis Computer Science(加州大学戴维斯分校计算机科学);UC Davis Mathematics(加州大学戴维斯分校数学)
本文讨论了一个数据驱动的,基于算法的框架,使算法决策或建议,而无需专家知识。我们提高了两个算法的案例研究的性能:选择一个枢纽规则的单纯形方法和选择的所有对最短路径算法。我们训练机器学习方法,以在没有人类专家意见的情况下为给定数据选择最佳算法。我们使用两种类型的技术,神经网络和提升决策树。基于我们的实验,我们得出结论:1)我们的选择框架推荐了各种枢轴规则,这些规则与仅使用固定的默认枢轴规则相比,可以提高整体性能。多年来,专家们将最陡边枢轴规则确定为最受欢迎的枢轴规则。我们的数据分析证实,最陡边的迭代次数不超过4%,而最优选择证实了人类专家的知识,但这次的知识是使用机器学习获得的。在这里,我们的推荐系统在使用梯度提升树时是最好的。2)对于全对最短路径问题,训练的模型有很大的改进,我们的选择平均距离最优选择0.07%。结论似乎不受我们使用的机器学习方法的影响。我们试图对这两个算法问题进行并行分析,但很明显,它们存在内在差异。例如,在所有对最短路径问题中,图密度是一个合理的预测因子,但在单纯形方法中没有类似的单个参数用于决策。
2021-09-29 cs.LG math.CO math.OC
Convergence of the restricted Nelder-Mead algorithm in two dimensions
Nelder-Mead算法是1965年发表的一种无约束优化的长期直接搜索法,它的目的是只使用函数值,而不使用任何导数信息来最小化n个实变量的标量值函数f。每个Nelder-Mead迭代都与一个由n+1个顶点及其函数值定义的非退化单纯形相关联;一个典型的迭代通过用一个新点替换最差的顶点来产生一个新的单纯形。尽管该方法的广泛使用,理论上的结果已经受到限制:对于严格凸的目标函数的一个变量与有界的水平集,该算法总是收敛到最小值;对于这样的功能的两个变量,单纯形的直径收敛到零,但由麦金农构造的例子表明,该算法可能会收敛到一个非最小化点。本文认为,限制Nelder-Mead算法,一个变种,不允许扩展步骤。在二维情形下,我们证明了对于任何非退化的起始单纯形和任何具有正定Hessian和有界水平集的二次连续可微函数,算法总是收敛到极小点.证明是基于处理的方法作为一个离散的动力系统,并依赖于几种技术,是非标准的无约束优化收敛证明。
2011-04-03 math.DS math.OC
Convex optimization over a probability simplex
School of Mathematics and Maxwell Institute for Mathematical Sciences, The University of Edinburgh(爱丁堡大学数学学院和麦克斯韦数学科学研究所);Department of Applied Mathematics and Theoretical Physics, University of Cambridge(剑桥大学应用数学与理论物理系)
该研究提出Cauchy-Simplex迭代方案求解概率单纯形上的凸优化问题,通过球面映射结合梯度下降实现,证明了O(1/T)收敛性,实验显示收敛更快,还可应用于在线学习并保证平均悔值收敛。
2025-04-03 cs.LG cs.NA math.NA
A quadratic penalty algorithm for linear programming and its application to linearizations of quadratic assignment problems
本文提供了第一个有意义的文件和分析的既定技术,其目的是获得一个近似解,线性规划问题之前,应用原始单纯形法。底层算法是一个惩罚方法,在每次迭代中具有朴素近似最小化。在初始迭代过程中,使用类似于增广拉格朗日的方法。后来的技术密切对应于一个经典的二次罚分法。也有一个讨论的程度,它可以用来获得快速近似解的LP问题,特别是当应用到线性化的二次指派问题。
2018-04-24 math.OC
The Random Edge Rule on Three-Dimensional Linear Programs
对于n个约束的三维线性规划,采用随机边主元规则的单纯形算法所取路径的最坏情况期望长度f(n),当n足够大时,有界为1.3445 n ≤ f(n)≤ 1.4943 n.
2003-01-09 math.CO math.OC
Recursive Modified Pattern Search on High-dimensional Simplex : A Blackbox Optimization Technique
University of Texas MD Anderson Cancer Center(德克萨斯大学安德森癌症中心)
本文提出了一种基于简单形约束参数空间的无导数模式搜索算法,通过递归调整步长向量以提高高维黑箱优化效率,并引入稀疏控制参数以诱导稀疏解,实验显示在多个维度问题中性能显著提升。
2019-01-31 cs.DS math.OC stat.ME
The Simple Strategy-Iteration Method is Strongly Polynomial for the Turn-Based Deterministic Forward Game
Hong Kong University of Science and Technology(香港科技大学);Stanford University(斯坦福大学);Shanghai Jiao Tong University(上海交通大学);Shanghai Institute for Mathematics and Interdisciplinary Sciences(上海数学与交叉学科研究院)
研究回合制确定性前向博弈(TBDFGs),提出两种算法:结构无关的策略迭代方法在强多项式时间内收敛,而结构感知的后向SCC传播算法进一步降低复杂度。
2026-06-28 cs.CC math.OC
Super-Linear Sub-Quadratic Worst-Case Computational Complexity Achieved by spdspds Algorithm for Linear Programming Problem
National Institute of Technology Karnataka Surathkal(卡纳塔克国家技术学院苏拉特卡尔分校)
本文提出一种新的迭代算法spdspds,通过改进的对称基本变量与非基本变量交换策略,实现线性规划问题的O(L^{1.5})最坏情况计算复杂度。
2026-06-30 math.OC
Convergence Rates of Subgradient Methods for Quasi-convex Optimization Problems
拟凸优化问题在经济、金融等诸多领域中起着重要作用,次梯度法是求解大规模拟凸优化问题的一种有效迭代算法。本文在统一的框架下研究了求解拟凸优化的各种次梯度法的迭代复杂度和收敛速度。特别地,我们考虑一个序列满足一个一般的(不精确的)基本不等式,并研究了整体收敛定理和迭代复杂性时,使用常数,递减或动态步长规则。更重要的是,我们建立了线性(或次线性)的收敛速度的序列的一个额外的假设下,弱尖锐的最小值的Hölderian秩序和上界噪声。在满足赫尔德条件和/或Hölder阶的弱锐极小值的假设下,利用这些收敛定理建立了求解拟凸优化问题的几种次梯度方法,包括标准/不精确/条件次梯度方法的迭代复杂度和收敛速度.
2019-10-24 math.OC
A compact implementation of a recently proposed strongly polynomial-time algorithm for the general LP problem
FAMU-FSU College of Engineering(FAMU-FSU 工程学院)
本文提出一种紧凑实现,通过半尺寸矩阵内的互补Gauss-Jordan旋转操作,实现通用线性规划问题的强多项式时间算法。
2026-06-23 math.OC
Dual Dynamic Programming with cut selection: convergence proof and numerical experiments
我们考虑用动态规划方程表示的凸优化问题。这样的问题可以使用双动态规划算法结合1级切割选择策略或区域算法来选择最相关的Benders切割来解决。我们提出了一个有限的内存变种的水平1和显示的收敛性DDP结合的领土算法,水平1或其变种的非线性最优化问题。在线性规划的特殊情况下,我们证明了在有限次数的迭代收敛。数值模拟说明了我们的变体的兴趣,并表明它可以更快地比一个简单的算法在一些大型的情况下,投资组合选择和库存问题。
2017-05-24 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
The Oracle Complexity of Simplex-based Matrix Games
Weizmann Institute of Science(魏茨曼科学研究所);University of Toronto(多伦多大学)
本文研究了基于单纯形的矩阵博弈问题,揭示了双侧矩阵向量乘法在预言复杂度下的下界,改进了经典任务的复杂度分析,并与最新算法匹配。
2026-02-08 cs.GT cs.LG 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
On Circuit Diameter and Straight Line Complexity
Centrum Wiskunde & Informatica(数学与计算机科学中心);Université Libre de Bruxelles(布鲁塞尔自由大学);Boston University(波士顿大学)
本文研究电路直径与直线复杂度的关系,证明多面体的电路直径受直线复杂度限制,并给出强多项式界及对应的算法。
2026-02-05 math.OC
A Novel Skip Orthogonal List for Dynamic Optimal Transport Problem
University of Science and Technology of China(中国科学技术大学)
针对数据点变化时需重算最优运输成本的问题,提出结合动态树技术的二维跳跃正交链表,基于单纯形法实现高效动态更新,实验证明其在动态场景下性能显著优于现有算法。
2024-01-27 cs.AI cs.CG cs.DS
Sharp Linear Bounds and Exponential Separation for Single-Flip Methods in Absolute Value Equations
School of Mathematics and Statistics, Fujian Normal University(福建师范大学数学与统计学院);School of Mathematical Sciences, Beihang University(北京航空航天大学数学科学学院)
本文提出离散势能优化框架,在符号向量集上求解绝对值方程,实现多项式复杂度的符号翻转算法,并推广至线性互补问题,显著改进现有指数级最坏情况。
2026-10-20 math.OC
First-Order Methods for Optimal Experimental Design Problems with Bound Constraints
考虑一类概率测度单形上的凸优化问题。我们的框架包括最优试验设计(OED)的问题,在设计空间的措施表明哪些实验被选中。由于存在额外的边界约束,该措施具有Lebesgue密度和问题可以被转换为一个最优化问题的空间上的本质有界函数。对于这类问题,我们考虑两个一阶方法,包括FISTA和一个近端外推梯度法,以及适当的停止准则。最后讨论了每次迭代中针对子问题维数的加速策略。数值实验伴随着整个文件的分析。
2020-04-17 cs.NA math.NA math.OC
A strongly polynomial-time algorithm for the general linear programming problem
FAMU-FSU College of Engineering(FAMU-FSU 工程学院)
本文提出了一种强多项式时间算法,通过隐含的约简过程解决一般线性规划问题,利用互补关系和非负变量构建线性方程组,每迭代步应用互补的高斯-约旦 pivoting 操作,最多需 2(k+n) 次迭代。
2026-07-04 math.OC
Tensor-SIFT based Earth Mover's Distance for Contour Tracking
在恶劣环境中的轮廓跟踪是一个具有挑战性的问题,由于杂乱的背景,光照变化,遮挡和噪声,等等。本文提出了一个强大的轮廓跟踪方法,通过贡献的一些关键问题,包括(a)区域功能制定和优化;(b)设计一个强大的和有效的功能;和(c)开发一个综合的跟踪算法。首先,我们制定了一个区域功能的基础上强大的地球移动器的距离(EMD)与核密度分布建模,并提出了一个两阶段的优化方法。在第一阶段,假设候选轮廓是固定的,我们表示EMD运输问题,并解决它的单纯形算法。其次,利用形状导数理论,对运输问题最优解附近的轮廓进行扰动分析。这导致了一个偏微分方程(PDE),支配的轮廓演变。其次,我们设计了一个新颖而有效的跟踪应用程序的功能。提出了一种基于张量分解的降维方法,实现了一种用于表征图像局部区域特性的SIFT特征的低维描述,称为Tensor-SIFT。Tensor-SIFT适用于彩色和灰度图像,非常独特,对照度变化和噪音不敏感。最后,我们开发了一个综合算法,结合了各种技术的单纯形算法,窄带水平集和快速行进算法。特别地,我们介绍了帧间初始化方法和终止PDE迭代的停止准则。在具有挑战性的图像序列上的实验表明,所提出的工作具有良好的性能。
2010-11-14 cs.CV math.OC
A Triangle Algorithm for Semidefinite Version of Convex Hull Membership Problem
给定$\mathbb{S}^n$的一个子集$\mathbf{S}=\{A_1, \dots, A_m\}$,即$n \times n$实对称矩阵的集合,我们定义它的{ \it spectrahull}为集合$SH(\mathbf{S}) = \{p(X) \equiv (Tr(A_1 X), \dots, Tr(A_m X))^T : X \in \mathbfΔ_n\}$,其中${\bf Δ}_n$是{ \it spectraplex},$\{ X \in \mathbb{S}^n : Tr(X)=1, X \succeq 0 \}$。如果一个给定的$b \in \mathbb{R}^m$位于$SH(\mathbf{S})$中,我们将{ \it spectrahull membership}(SHM)作为检验问题.一方面,当$A_i$是对角矩阵时,SHM简化为{ \it凸包隶属度}(CHM),这是LP中的一个基本问题。另一方面,一个有界的SDP的可行性是可还原的SHM。通过构建为CHM及其推广开发的{ \it三角形算法}(TA)\cite{kalchar,kalsep},我们为SHM设计了TA,其中给定$\varepsilon$,在$O(1/\varepsilon^2)$迭代中,它计算将$b$与$SH(\mathbf{S})$分离的超平面,或$X_\varepsilon \in …
2019-05-19 cs.CC math.OC