×

一种自适应的基于自我调节邻近性的大规模更新的本地ipm。 (英语) Zbl 1087.90085号

摘要:原始对偶内点方法(IPM)在解决大型优化问题方面显示了其强大的能力。然而,在算法中对偶间隙参数的更新策略方面,这些算法的实际行为与其理论最坏情况复杂度结果之间仍存在差异。最近,这种差异显著减少了J.Peng、C.RoosT.特莱基[自正则性:原对偶内点算法的新范式,新泽西州普林斯顿:普林斯顿大学出版社(2002;Zbl 1136.90045号)]他引入了一个新的自我调节(SR)家族——基于邻近函数的IPM。
在本文中,基于一类SR近似,我们提出了一种自适应的单步大更新SR-IPM,它与McIPM软件包中使用的非常接近。在每个步骤中,我们的算法总是根据当前迭代的位置自适应地选择目标值的大更新。这种目标值的自适应选择与Peng、Roos和Terlaky[loc.cit.]提出的不同,后者在迭代足够好地居中时,目标值(mu)会减少一个固定因子。
建立了算法的最坏情况迭代界(O(qn^{(q+1)/2q}\log(n/\varepsilon)),其中(q)是SR最大值的屏障度。对于(q=\log n),我们的算法实现了迄今为止最大更新IPM的(O(\sqrt n \log n\log(n/\varepsilon))复杂性。

MSC公司:

90摄氏51度 内部点方法
90C05(二氧化碳) 线性规划
90C60型 数学规划问题的抽象计算复杂性
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Andersen ED,数学规划的内点方法(1996)
[2] Gondzio J,计算优化与应用6,第137页–(1996)
[3] 内政部:10.1007/BF02579150·Zbl 0557.90065号 ·doi:10.1007/BF02579150
[4] 梅吉多·N,《数学规划的进展:内点和相关方法》(1989)
[5] 内政部:10.1137/0802028·Zbl 0773.90047号 ·电话:10.1137/0802028
[6] 彭杰,《自正则性:原始-对偶内点算法的新范式》(2002)
[7] 彭杰,《计算技术杂志》6,第61页–(2001)
[8] 内政部:10.1007/s101070200296·Zbl 1007.90037号 ·doi:10.1007/s101070200296
[9] 内政部:10.1137/S1052623401383236·Zbl 1041.90072号 ·doi:10.1137/S1052623401383236
[10] 内政部:10.1080/1055678021000039175·兹比尔1032.90019 ·doi:10.1080/1055678021000039175
[11] Peng J Terlaky T Zhao YB 2003基于特定自调节邻近函数的线性优化预测-校正算法(发表SIAM优化杂志)·Zbl 1097.90032号
[12] Roos C,《线性优化理论与算法:内点法》(1997)·Zbl 0954.65041号
[13] Salahi M,高级优化实验室,麦克马斯特大学计算与软件系(2003)
[14] Sonnevend G,系统建模与优化。第十二届国际知识产权联合会会议记录84(1986)·Zbl 0602.90106号
[15] Wright SJ,Primal–Dual Interior-Point Methods(1997年)·Zbl 0863.65031号
[16] 叶毅,内点算法,理论与分析(1997)·Zbl 0943.90070号
[17] 内政部:10.1080/10556789908805756·Zbl 0970.90119号 ·doi:10.1080/10556789908805756
[18] Zhu X Peng J Terlaky T Zhang G 2003关于实施基于自我调节的接近度的可行IPM技术报告2003/2,(提交给INFORMS计算杂志)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。