From the simplex to the sphere: Faster constrained optimization using the Hadamard parametrization
R^n中的标准单形,也称为概率单形,是一组非负向量,其元素之和为1。它们经常出现在机器学习、统计学、数据科学、运筹学等领域出现的最优化问题中。我们将标准单纯形转化为单位球面,从而将相应的约束最优化问题转化为一个简单的光滑流形上的最优化问题。我们证明了标准单纯形上最小化问题的KKT点和严格鞍点都对应于变换问题的KKT点和严格鞍点,反之亦然。解决一个问题就等于解决另一个问题。然后,我们提出了几个简单,有效的,和投影自由算法使用流形结构。等价性和所提出的算法可以推广到具有单位单纯形、加权概率单纯形或1-范数球约束的最优化问题。数值实验表明了新算法的优越性
2022-08-30 math.OC
Convergence rates of RLT and Lasserre-type hierarchies for the generalized moment problem over the simplex and the sphere
本文研究了单形和球面上的广义矩问题。这是一个丰富的设置,它包含NP难问题作为特殊情况,如构造最优容积计划和合理优化。利用重构线性化技术(RLT)和Lasserre型层次,松弛的问题进行了介绍和分析。对于我们的分析,我们假设在整个存在的对偶最优解以及强对偶。对于GMP的单纯形,我们证明了一个收敛速度$O(1/r)$的线性规划,RLT型层次,其中$r$是层次的水平,使用定量版本的Pólya的Positivstellenetry。作为Fang和Fawzi最近结果的扩展[Math. Program.,2020,https://doi.org/10.1007/s10107-020-01537-7]我们证明了GMP的Lasserre层次结构[Math. Program.,Vol.112,65-92,2008]在球面上的收敛速度为$O(1/r^2)$。此外,我们还证明了引入的线性RLT-松弛是由de Klerk,Laurent和Parrilo [J. Theoretical Computer Science,Vol.361,210-225,2006]引入的单形上的最小化度$d$形式的层次结构的推广。
2021-03-04 math.OC
Optimization on Spheres: Models and Proximal Algorithms with Computational Performance Comparisons
我们提出了一个统一的处理抽象的问题,找到最佳的近似之间的图像的仿射变换的圆锥和球体。这个问题的突出例子是相位恢复和源定位。共同的几何约束这些问题允许一个通用的应用程序的算法思想和抽象的收敛结果的非凸优化。我们组织这个问题的变分模型分为三个不同的类,并在这些类(共13个)的主要算法方法。我们确定了这些方法的核心思想,并提供了全面的数值基准比较其性能的合成和实验室数据。我们实验的软件和数据都是公开的。我们还介绍了一种新的算法,循环松弛道格拉斯-Rachford算法,它优于所有其他算法的每一个措施:速度,稳定性和准确性。对该算法的分析仍然是开放的。
2018-10-05 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
Information-Geometric Optimization on Spheres
Faculty of Natural Sciences and Mathematics University of Montenegro(自然科学与数学学院蒙特内格罗大学)
针对球面上的黑箱优化问题,基于庞加莱球和伯格曼球的超几何信息几何,设计了两种信息几何优化流,并展示了广义Kuramoto振子集合如何计算自然搜索梯度并实现IGO算法。
2026-05-27 cs.LG cs.NE math.OC
Efficient Solutions in Generalized Linear Vector Optimization
本文建立了关于广义多面体凸集的几个新事实,并说明了它们在向量最优化中的应用。其中,得到了广义向量最优化问题有效解集的标量化公式。证明了在局部凸Hausdorff拓扑向量空间中广义线性向量最优化问题的有效解集是由线段连接的多个广义多面体凸集的并.
2017-05-19 math.OC
Optimization on the Surface of the (Hyper)-Sphere
University of California, Santa Cruz(加州大学圣克鲁兹分校);Purdue University(普渡大学)
汤姆逊问题是研究$k$维球体表面带电粒子的$n$数分布的经典物理问题。当$k=2$,即2球(圆),粒子出现在等距点。这样的配置可以解析地计算。然而,对于更高的维度,如$k \ge 3$,即3-球面(标准球面)的情况,没有太多的分析理解。在这些设置下找到问题的全局最小值是特别困难的,因为随着$k$和$n$的值的增大,优化问题变得越来越计算密集。在这项工作中,我们探索了各种各样的数值优化方法来解决汤姆森问题。在我们的实证研究中,我们发现基于随机梯度的方法(SGD)是解决这个问题的一个令人信服的选择,因为它可以很好地随点的数量而扩展。
2019-09-13 cs.CG cs.LG math.OC
Anisotropic Diffusion in Consensus-based Optimization on the Sphere
本文利用多智能体无导数方法研究了约束在单位超球面上的可能非光滑非凸目标函数的全局极小化问题。该算法属于最近推出的基于神经网络的优化类。事实上,智能体在球体上移动,由朝向瞬时共识点的漂移驱动,瞬时共识点被计算为智能体位置的凸组合,根据拉普拉斯原理由费用函数加权,并且它表示对全局最小值的近似。各向异性随机向量场进一步扰动动力学,以利于勘探。本文的主要结果是在充分准备初值的条件下,证明了数值格式收敛于全局极小值。收敛性的证明结合了一个平均场极限的结果与一个新的渐近分析,和经典的收敛结果的数值方法的反问题。相对于以前的工作的主要创新是各向异性随机项的引入,这使我们能够确保从维度的算法的参数的独立性和规模的方法工作在非常高的维度。我们提出了几个数值实验,这表明,在本文中提出的算法是非常通用的,优于以前的配方与各向同性随机噪声。
2021-04-01 math.OC
Harmonic Hierarchies for Polynomial Optimization
Universidad de los Andes(安第斯大学)
本文提出了一种用于多项式优化的调和层次结构,通过多面体近似和无需优化的算法,提高了非负形式和矩锥体的收敛速度和计算效率。
2022-02-25 math.OC
Accelerating Min-Max Optimization with Application to Minimal Bounding Sphere
我们研究的最小-最大优化问题,其中每个函数的最大操作是强凸和光滑的有界梯度的搜索域。通过平滑最大算子,我们展示了在$\tilde{O}(1/\sqrtδ)$计算复杂度(对数因子)中实现$δ$的任意小的正最优性间隙的能力,而不是$O(1/δ)$的最先进的强凸性计算要求。我们将这一重要结果应用于著名的最小包围球问题,并证明了我们可以实现最小包围球的$(1+\varepsilon)$ -近似,即确定一个超球,该超球包含$d$维无界空间$\mathbb{R}^d$中的全部$n$给定点,其半径至多为实际最小包围球半径的$(1+\varepsilon)$倍,对于任意小的正$\varepsilon$,与需要$O(n d /\varepsilon)$计算时间的核心组方法的现有技术方法相反,在$\tilde{O}(n d /\sqrt{\varepsilon})$计算时间中。
2019-05-29 math.OC stat.ML
Numerical optimization of Neumann eigenvalues of domains in the sphere
本文讨论了在具有Neumann边界条件的$\mathbb{R}^3$中欧氏球面上区域的Laplace-Beltrami算子前三个特征值的数值优化问题。我们讨论两种方法:第一个是导致密度方法的初始问题的一般化,另一个是通过水平集方法的形状优化过程。这些方法的最初目的是研究在一定条件下测地线球对于第一个非平凡特征值是最优的猜想。这些计算给出了一些强有力的洞察力的最佳形状的那些本征值问题,并显示了丰富的各种形状的比例所占的领域的领域的表面积。在最后一部分中,相同的算法被用来进行相同的调查上的环面。
2023-03-22 math.AP math.OC math.SP
Realizability and inscribability for simplicial polytopes via nonlinear optimization
我们表明,非线性最优化技术可以成功地应用于实现和内接拟阵多面体和单纯球。因此,我们得到了一个完整的分类的邻近多面体的尺寸$4$,$6$和$7$与$11$顶点,邻近$5$ -多面体与$10$顶点,以及一个完整的分类的单纯$3$ -球体与$10$顶点为多面体和非多面体的领域。令人惊讶的是,许多可实现的多面体也是可写的。
2015-10-26 math.MG math.OC
A hierarchy of eigencomputations for polynomial optimization on the sphere
Northeastern University(东北大学);Mount Allison University(蒙特阿利森大学)
该研究提出一种收敛的球面上实型最小化下界的特征值计算层级,通过将实优化归约为埃尔米特优化并调用HSOS层级实现,性能优于现有RSOS替代方案,可处理更大规模问题,还拓展至实张量谱范数计算。
2025-07-13 cs.DS math.AG math.OC
Integration and Optimization of Multivariate Polynomials by Restriction onto a Random Subspace
本文研究了R^n中n元多项式关于高斯测度的有效积分问题以及单位球面上多项式的复积分和优化问题。我们确定了一类n元多项式f,对于它,任意正整数幂f^p在整个空间上的积分都可以通过在O(log n)维随机子空间上的适当缩放积分来很好地近似。因此,单位球面上的f的最大值可以通过在O(log n)维的随机子空间中的单位球面上的适当缩放的最大值来很好地近似。我们讨论了与问题的组合计数和应用程序的有效逼近的一个积极的矩阵的一个dumnian。
2005-02-14 math.CO math.OC
Conic optimization for extremal geometry
F. Vallentin, Department Mathematik/Informatik, Abteilung Mathematik, Universit\"at zu K\"oln, Weyertal 86--90, 50931 K\"oln, Germany
本文综述了锥优化在四种几何堆积问题(单位球面上的接吻数与可测π/2回避集,欧氏空间中的球堆积与可测一回避集)中的最新应用进展。
2025-10-08 math.MG math.OC
Finite Convergence of the Moment-SOS Hierarchy on the Product of Spheres
LAAS-CNRS(法国国家科学研究中心自动分析与控制实验室);Fachbereich Mathematik und Statistik, Universität Konstanz(康斯坦茨大学数学与统计系);Toulouse Mathematics Institute(图卢兹数学研究所)
该研究证明了在球面积上多齐次多项式优化问题中动量-SOS层次的有限收敛性,并通过微分几何和莫尔斯理论证明了局部最优条件的一般性成立。
2025-12-15 math.AG math.DG math.OC
Consensus-Based Optimization on the Sphere: Convergence to Global Minimizers and Machine Learning
Technical University of Munich(慕尼黑工业大学);University of Calgary(卡尔加里大学);University of Ferrara(费拉拉大学)
我们研究了一个新的随机Kuramoto-Vicsek型模型的实现非凸函数的全局优化的领域。该模型属于基于最优化的一类。事实上,粒子在朝向瞬时共识点的漂移的驱动下在球体上移动,该共识点被计算为粒子位置的凸组合,根据拉普拉斯原理由成本函数加权,并且它代表对全局最小化的逼近。动力学进一步受到随机向量场的扰动,以利于探索,其方差是粒子到共识点的距离的函数。特别是,一旦达成共识,随机分量就消失了。本文的主要结果是在充分准备初值的条件下,证明了数值格式收敛于全局极小值。证明结合了以往的平均场极限的结果与一个新的渐近分析,和经典的收敛性结果的数值方法的双曲型。我们提出了几个数值实验,这表明,在本文件中提出的算法规模以及与尺寸,是非常通用的。为了量化的新方法的性能,我们表明,该算法是能够执行基本上一样好的ad hoc最先进的方法在具有挑战性的问题,在信号处理和机器学习,即相位恢复问题和强大的子空间检测。
2021-07-28 cs.LG cs.NA math.AP