×

兹马思-数学第一资源

可伸缩半定规划。(英语) Zbl 1470.90068

理学硕士:
90C22型 半定规划
6505公里 数值数学规划方法
65F99 数值线性代数
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] P、 -A.Absil,C.Baker和K.Gallivan,黎曼流形上的信赖域方法,发现。计算机。数学,7(2007),第303-330页·Zbl 1129.65045
[2] A、 阿尔法基赫,汉达尼,沃尔科维奇,用半定规划求解欧几里得距离矩阵完备问题,计算机。擎天柱。应用,12(1999),第13-30页·Zbl 1040.90537
[3] F、 内点法与半定矩阵组合优化,博士。论文,明尼苏达大学,1991年。
[4] F、 《半定规划中的内点方法及其在组合优化中的应用》,载《集成电路优化》,5(1995),第13-51页·Zbl 0833.90087
[5] F、 艾莉莎德,J.-P.A.Haeberly,M.L.Overton,半定规划中的互补性和非退化性,数学。程序,77(1997年),第111-128页·Zbl 0890.90141
[6] F、 Alizadeh,J.-P.A.Haeberly和M.L.Overton,《半定规划的原始-对偶内点方法:收敛速度、稳定性和数值结果》,SIAM J.Optim.,8(1998),第746-768页·Zbl 0911.65047
[7] Z、 Allen Zhu,Y.T.Lee,和L.Orecchia,使用优化方法获得宽度无关、并行、更简单和更快的正SDP解算器,https://arxiv.org/abs/1507.02259,2015年·Zbl 1411.68180号
[8] Z、 Allen Zhu和Y.Li,遵循压缩的领导者:更快的特征向量在线学习和更快的MMWU,https://arxiv.org/abs/1701.017222017年。
[9] M、 F.Anjos和J.B.Lasserre,《半定、圆锥和多项式优化手册》,Springer,纽约,2012年·Zbl 1235.90002
[10] S、 Arora,E.Hazan和S.Kale,使用乘性权重更新方法的近似半定规划的快速算法,载于第46届IEEE计算机科学基础年会论文集,华盛顿特区,2005年,第339-348页。
[11] S、 Arora和S.Kale,《半定规划的组合原对偶方法》,J.ACM,63(2016),第12:1-12:35页·Zbl 1426.68301
[12] D、 Bader,H.Meyerhenke,P.Sanders和D.Wagner,《图划分和图聚类》,第10届DIMACS实施挑战研讨会,2012年,https://www.cise.ufl.edu/research/sparse/matrix/DIMACS10/index.html。·Zbl 1262.05001
[13] M、 Baes,M.BuĔrgisser,A.Nemirovski,《求解结构化大规模矩阵鞍点问题的随机镜像近似方法》,SIAM J.Optim.,23(2013),第934-962页·Zbl 1295.90039
[14] R、 Balan,B.G.Bodmann,P.G.Casazza,和D.Edidin,根据帧系数的大小进行无痛重建,J.Fourier Anal。申请书,15(2009年),第488-501页·邮编:11832.ZB4201
[15] R、 巴兰,P.Casazza,D.Edidin,《无相位信号重构》,应用。计算机。哈蒙。《分析》,20(2006年),第345-356页·Zbl 1090.94006
[16] A、 巴维诺克,凸面课程,AMS,普罗维登斯,RI,2002·Zbl 1014.52001
[17] A、 Ben Tal和A.Nemirovski,现代凸优化讲座:分析、算法和工程应用,MOS-SIAM Ser。擎天柱。Z、 暹罗,费城,2001年·Zbl 0986.90032
[18] D、 约束最优化与拉格朗日乘子法,计算机。科学。申请。数学,学术出版社,纽约,1982年·Zbl 0572.90067
[十九] S、 Bhojanapalli,N.Boumal,P.Jain,P.Netrapalli,二次惩罚形式下半定规划低阶解的平滑分析,第31届学习理论会议论文集,PMLR 752018,第3243-3270页。
[20] N、 Boumal,B.Mishra,P.-A.Absil,R.Sepulchre,Manopt,用于流形优化的MATLAB工具箱,J.Mach。学习。第15号决议(2014年),第1455-1459页·Zbl 1319.90003号
[21] N、 Boumal、V.Voroninski和A.Bandeira,《非凸Burer-Monteiro方法在光滑半定程序上的工作》,《神经信息处理系统进展》第29期,2016年,第2757-2765页。
[22] M、 布兰德,薄奇异值分解的快速低阶修正,线性代数应用,415(2006),第20-30页·Zbl 1088.65037
[23] J、 张志刚,张志刚,张志强,张志强,等,二次分配问题的半定规划方法,计算机。擎天柱。申请书,69(2018年),第677-712页·Zbl 1415.90071
[24] S、 通过低秩分解求解半定规划的非线性规划算法,数学。程序,95(2003),第329-357页·Zbl 1030.90077
[25] S、 孟泰罗,低秩半定规划中的局部极小与收敛,数学。程序,103(2005),第427-444页·Zbl 1099.90040
[26] S、 Burer和D.Vandenbussche,求解二进制整数规划的提升和投影松弛,SIAM J.Optim.,16(2006),第726-750页·Zbl 1113.90100
[27] R、 E.Burkard,S.E.Karisch,F.Rendl,QAPLIB-二次分配问题库,J.Global Optim.,10(1997),第391-403页·Zbl 0884.90116
[28] E、 J.Candès,X.Li,M.Soltanolkotabi,编码衍射图的相位恢复,应用。计算机。哈蒙。分析,39(2015),第277-299页·Zbl 1329.78056
[29] Y、 Carmon,J.C.Duchi,S.Aaron和T.Kevin,矩阵乘法权重的一级素描,第32届学习理论会议论文集,PMLR 99,2019,第589-623页。
[30] A、 Chai,M.Moscoso和G.Papanicolaou,仅使用强度测量的阵列成像,反问题,27(2010),015005·Zbl 1207.78022号
[31] D、 Cifuntes,Burer-Monteiro对一般半确定性项目的担保,https://arxiv.org/abs/1904.071472019年。
[32] K、 克拉克森,核心集,稀疏贪婪近似,弗兰克-沃尔夫算法,ACM Trans。《算法》,6(2010),第63:1-63:30页·Zbl 1300.90026
[33] J、 康拉德,马尔堡病毒出血热:细胞结构和组织病理学,https://pixnio.com/de/wissenschaft/mikroskopische-aufnahmen/hamoverlagisches-fieber-marburg-virus/cytochartectural-performischen-erkannt-niere-probe-marburg-patient。
[34] C、 德洛姆和S。波尔贾克,拉普拉斯特征值和最大割问题,数学。编程,62(1993年),第557-574页·Zbl 0797.90107
[35] C、 德洛姆和S.波尔贾克,某些类图中最大割问题特征值界的表现,离散数学,111(1993),145-156页·Zbl 0786.05057
[36] 五十、 丁,A,Yurtsever,V.Cevher,J.A.Tropp,和M.Udell,使用近似互补的半定规划的最优存储方法,https://arxiv.org/abs/1902.033732019年·Zbl 1420.65060
[37] M、 Fazel,矩阵秩最小化及其应用,博士。论文,斯坦福大学,加州帕洛阿尔托,2002年。
[38] J、 费恩普,相位恢复算法:比较,应用。光学,21(1982),第2758-2769页。
[39] M、 Frank和P.Wolfe,二次规划算法,海军研究专家。夸脱,3(1956年),第95-110页。
[40] D、 Garber和E.Hazan,次线性时间近似半定程序,神经信息处理系统进展25,2011·Zbl 1346.90656
[41] D、 加伯和哈桑,近似半定规划的次线性时间算法,数学。编程,158(2016),第329-361页·Zbl 1346.90656
[42] G、 Gidel,F.Pedregosa,和S.Lacoste Julien,Frank Wolfe splitting via augmented Lagrangian method,Frank Wolfe splitting,第21届国际人工智能与统计会议论文集》,PMLR 842018,第1456-1465页。
[43] A、 Gittens,随机数值线性代数专题,博士。论文,加州理工学院,帕萨迪纳,2013年·65ZB1286.6升
[44] M、 X.Goemans和D.P.Williamson,用半定规划求解最大割和可满足问题的改进近似算法,J.ACM,42(1995),第1115-1145页·邮政编码:0885.68088
[45] N、 Halko,P.G.Martinsson和J.A.Tropp,《随机结构的发现:构造近似矩阵分解的概率算法》,SIAM Rev.,53(2011),第217-288页·Zbl 1269.65043
[46] E、 哈桑,半定规划的稀疏近似解,拉丁语2008:理论信息学,2008,第306-316页·Zbl 1136.90430
[47] S、 霍默和M.Peinado,maxcut并行和分布式近似算法的设计与性能,J.并行分布。Comput.,46(1997年),第48-61页。
[48] R、 Horstmeyer,R.Y.Chen,X.Ou,B.Ames,J.A.Tropp,和C.Yang,用凸松弛求解PTY图学,新J.Phys.,17(2015),053044。
[49] Q、 Huang,Y.Chen,L.Guibas,最大后验估计的可伸缩半定松弛,第31届机器学习国际会议论文集,PMLR 32,2014,第64-72页。
[50] M、 Jaggi,重温Frank Wolfe:无投影稀疏凸优化,第30届机器学习国际会议论文集,PMLR 282013,第427-435页。
[51] 五十、 Jones,Hilbert空间贪婪逼近的一个简单引理,投影寻踪回归和神经网络训练的收敛速度,神经网络。Statist.,20(1992年),第608-613页·Zbl 0746.62060
[52] R、 Jonker和A.Volgenant,稠密和稀疏线性分配问题的最短增广路径算法,计算,38(1987),第325-340页·浙宝0607.90056
[53] A、 P.Kamath和N.K.Karmarkar,整数二次优化问题中计算边界的连续方法,J.Global Optim.,2(1991),第229-241页·Zbl 0762.90058
[54] A、 P.Kamath和N.K.Karmarkar,用于计算二次优化问题中边界的一种(O(nL)迭代算法,数值优化中的复杂性,世界科学出版社,新泽西州,1993年,第254-268页·Zbl 0968.90502
[55] R、 M.卡普,组合问题的可约性,计算机计算的复杂性,斯普林格,纽约,1972年,第85-103页。
[56] K、 Krishnan和T.Terlaky,组合优化中的内点和半定方法,图论与组合优化,Springer,纽约,2005·Zbl 1098.90089
[57] J、 Kuczyński和H.Woźniakowski,用随机启动的幂和Lanczos算法估计最大特征值,SIAM J.Matrix Anal。申请书,13(1992年),第1094-1122页·Zbl 0759.65016
[58] H、 库恩,匈牙利分配问题方法,海军研究专家。夸脱,2(1955),第83-97页。
[59] B、 Kulis,A.C.Surendran和J.C.Platt,《嵌入和聚类的快速低阶半定规划》,第11届国际人工智能与统计会议论文集,第2卷,波多黎各圣胡安,2007年,第235-242页。
[60] J、 Lavaei和S.H.《最优潮流问题中的零对偶间隙》,IEEE Trans。《电力系统》,27(2012年),第92-107页。
[61] Y、 T.Lee和S.Padmanabhan,具有对角约束的半定规划的成本算法,学习理论会议论文集,2020年,第3069-3119页。
[62] R、 B.Lehoucq,D.C.Sorensen和C.Yang,ARPACK用户指南:用隐式重启Arnoldi方法解决大规模特征值问题,软件环境。工具6,暹罗,费城,1998年·Zbl 0901.65021
[63] E、 S.Levitin和B.T.Poljak,约束条件下的最小化方法,Ž。Vyc岛。垫子。垫子。图6(1966年),第787-823页。
[64] H、 Li,G.C.Linderman,A.Szlam,K.P.Stanton,Y.Kluger和M.Tygert,算法971:主成分分析随机算法的实现,ACM Trans。数学。软件,43(2017),28·Zbl 1391.65085
〔65〕 Y、 -F.Liu,X.Liu,S.Ma,关于复合凸规划的不精确增广拉格朗日框架的非正则收敛速度,数学。操作。第44号决议(2019年),第632-650页·Zbl 1441.90119
[66] E、 M.Loiola,N.M.M.de Abreu,P.O.Boaventura Netto,P.Hahn,T.Querido,《二次分配问题的调查》,欧洲J.Oper。Res.,176(2007年),第657-690页·Zbl 1103.90058
[67] A、 Majumdar,G.Hall和A.A.Ahmadi,最近半定编程可伸缩性改进的调查,以及机器学习、控制和机器人技术的应用,http://arXiv.org/abs/1908.052092019年。
[68] M、 梅斯巴希,帕帕瓦西罗普洛斯,半正定线性矩阵不等式上的秩极小化问题,IEEE Trans。自动装置。对照组,42(1997年),第239-243页·Zbl 0872.93029
〔69〕 五十、 米尔斯基,对称规范函数与酉不变范数,夸脱。J、 数学。牛津爵士。(2) ,11(1960年),第50-59页·Zbl 0105.01101
[70] MATLAB手册的MOSEK优化工具箱。版本9.0,Mosek ApS,2019年。
[71] J、 Munkres,《分配和运输问题的算法》,J.SIAM,5(1957),第32-38页·Zbl 0083.15302
[72] A、 Nemirovski,具有Lipschitz连续单调算子的变分不等式和光滑凸凹鞍点问题的收敛速度为(O(1/t)的Prox方法,SIAM J.Optim.,15(2004),pp.229-251·Zbl 1106.90059
[73] Y、 Nesterov,《凸优化入门讲座:基础课程》,Springer,纽约,2004年·邮编:1086.90045
[74] Y、 奈斯特罗夫,凸问题的原对偶次梯度法,数学。程序,120(2009年),第221-259页·Zbl 1191.90038
[75] Y、 Nesterov,A.Nemirovski,凸规划中的自洽函数与多项式时间方法,中央经济与数学研究所报告,苏联科学院,1990。
[76] Y、 Nesterov和A.Nemirovski,凸规划中的内点多项式算法,暹罗,费城,1994。
[77] B、 帕利特,对称特征值问题,经典应用。数学。费城,1998年,20日,https://doi.org/10.1137/1.978161197163。·Zbl 0885.65039
[78] P、 结构半定程序与半代数几何方法在稳健性与最优化中之应用,博士。论文,加州理工学院,帕萨迪纳,2000年。
[79] G、 关于半定规划中极值矩阵的秩与最优特征值的多重性,数学。操作。第23(1998)号决议,第339-358页·Zbl 0977.90051
[80] R、 Peng和K.Tangwongsan,半正定规划的更快更简单的宽度无关并行算法,第24届ACM算法与体系结构并行性年会论文集,2012年,第101-108页。
[81] T、 Pumir,S.Jelassi,和N.Boumal,《光滑半定规划低秩方法的平滑分析》,神经信息处理系统进展31,2018,第2281-2290页。
[82] A、 Raghunathan,J.Steinhardt,和P.Liang,半确定性松弛用于证明对抗性示例的鲁棒性,神经信息处理系统进展31,2018,第10900-10910页。
[83] G、 雷内尔,特斯普利布,http://comot.ifi.uni heidelberg.de/software/TSPLIB95/。
[84] D、 M.Rosen,L.Carlone,A.S.Bandeira和J.J.Leonard,SE同步:一种在特殊欧几里得群上同步的可证明正确的算法,Int.J.Robot。第38号决议(2019年),第95-125页。
[85] M、 F.Sahin、A.Eftehari、A.Alacaoglu、F.Latorre和V.Cevher,非线性约束非凸优化的不精确增广拉格朗日框架,神经信息处理系统进展32,2019,第13965-13977页。
[86] S、 Sahni和T.Gonzalez,P-完全逼近问题,J.ACM,23(1976),第555-565页·Zbl 0348.90152号
[87] A、 Silveti Falls,C.Molinari,和J.Fadili,用于复合极小化的增广拉格朗日广义条件梯度,https://arxiv.org/abs/1901.012872019年·Zbl 1450.65054
[88] M、 Souto,J.D.Garcia和A.Veiga,通过近似算子分裂在半定规划中利用低秩结构,https://arxiv.org/abs/1810.052312018年。
[89] N、 Srebro,矩阵分解学习,博士。论文,麻省理工学院,剑桥,2004年。
[90] J、 Sturm,使用SeDuMi 1.02,一个用于对称锥优化的MATLAB工具箱Optim。方法软件,11-12(1999),第625-653页·Zbl 0973.90526
[91] Y、 Sun,Y.Guo,J.A.Tropp,和M.Udell,张量随机投影用于低记忆维度缩减,在NeurIPS关系表征学习研讨会上,2018年。
[92] K、 A.Toh,M.J.Todd,R.H.Tuncu,SDPT3-一个用于半定规划的Matlab软件包,优化方法和软件,Optim。方法软件,11(1999),第545-581页·Zbl 0997.90060
[93] J、 A.Tropp,A.Yurtsever,M.Udell,V.Cevher,基于流数据的半正定矩阵的固定秩逼近,神经信息处理系统进展30,2017,第1225-1234页·Zbl 1379.65026
[94] J、 A.Tropp,A.Yurtsever,M.Udell,V.Cevher,低秩矩阵逼近的实用绘制算法,SIAM J.矩阵分析。申请书,38(2017年),第1454-1485页·Zbl 1379.65026
[95] J、 A.Tropp,A.Yurtsever,M.Udell,V.Cevher,《流式低秩矩阵逼近及其在科学模拟中的应用》,暹罗J.Sci。Comput.,41(2019年),第A2430-A2463页·Zbl 1420.65060
[96] K、 Tsuda,G.Raítsch,M.K.Warmuth,在线学习的矩阵指数梯度更新和Bregman投影,J.Mach。学习。第6号决议(2005年),第995-1018页·Zbl 1222.68322
[97] 一、 Waldspurger和A.Waters,Burer-Monteiro因式分解的秩最优性,https://arxiv.org/abs/1812.030462018年·Zbl 1451.90114
[98] Z、 文,D。戈德法布,S。Ma,K。舍因伯格,半定规划的逐行方法,IEOR报告,哥伦比亚大学,2009。
[99] Z、 温,高德法布,尹,半定规划的交替方向增广拉格朗日方法,数学。程序。Comput.,2(2010),第203-230页·Zbl 1206.90088号
[100] 五十、 Yang,D.Sun,和K.-C.Toh,SDPNAL+:非负约束半定规划的优化半光滑牛顿CG增广拉格朗日方法,数学。程序。Comput.,7(2015),第331-366页·Zbl 1321.90085
[101] Y、 是的,GSet随机图,https://www.cise.ufl.edu/research/sparse/matrix/Gset/。
[102] A、 Yurtsever,O.Fercoq,V.Cevher,基于条件梯度的增广拉格朗日框架,载于第36届机器学习国际会议论文集,PMLR 972019,第7272-7281页。
[103] A、 Yurtsever,O.Fercoq,F.Locatello和V.Cevher,复合凸最小化的条件梯度框架及其在半定规划中的应用,第35届国际机器学习会议论文集,PMLR 802018,第5727-5736页。
[104] A、 Yurtsever,Y.-P.Hsieh,V.Cevher,《相位检索的可伸缩凸方法》,第6届国际IEEE多传感器自适应处理计算进展研讨会论文集,2015年,第381-384页。
[105] A、 Yurtsever,Q.Tran Dinh,和V.Cevher,一个通用的原始-对偶凸优化框架,神经信息处理系统进展28,2015,第3150-3158页。
[106] A、 Yurtsever,M.Udell,J.Tropp和V.Cevher,《粗略决策:具有最优存储的凸低秩矩阵优化》,第20届国际人工智能与统计会议论文集,PMLR,54,2017,第1188-1196页。
[107号] M、 扎斯拉夫斯基,F.巴赫,J.Vert,图匹配问题的路径跟踪算法,IEEE Trans。肛门模式。机器。英特尔,31(2009),2227-2242页。
[108] Q、 赵,S.E.Karisch,F.Rendl,H.Wolkowicz.二次配置问题的半定规划松弛,J.Combin。Optim.,2(1998),第71-109页·中银0904.90145
[109号] 十、 ——赵Y,孙德明,张国强,半定规划的牛顿CG增广拉格朗日方法,暹罗J.Optim.,20(2010),第1737-1765页·Zbl 1213.90175
[110] G、 郑,R.Horstmeyer,和C.Yang,宽视野,高分辨率傅里叶成像显微镜,自然科学院。光子学,7(2013),第739-745页。
此参考列表基于出版商或数字数学图书馆提供的信息。它的数学和标识符可能包含启发式匹配的数据项。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。