随机抽样是统计学和随机算法设计中一种简单但强大的方法。在一个典型的应用中,可以应用随机抽样来估计集S⊆上函数f的极值,例如最大值ℝⁿ. 为此,可以选择一个更简单(甚至有限)的子集S₀⊆S、 在S上随机抽取一些样本₀ 进行多次,并选择最佳样本。希望能找到一个有合理机会的近似解。本文介绍了f、S和S的一些场景₀其中可以建立特定的概率边界,从而导致程序的质量保证。在我们的设置中,f是一个多元多项式函数。证明了如果f是n个变量中的d阶齐次多项式,f是其对应的超对称张量,ξi(i=1,2,…,n)是i.i.d.贝努利随机变量,取1或-1的概率相等,则Prob{f(ξ₁,ξ₂,...,ξn)≥τn-第二天‖F‖₁}≥θ、 其中τ,θ>0是两个通用常数和‖∙‖₁ 表示其所有条目的绝对值的总和。本文提出了几个关于上述性质概率的新不等式。此外,我们还证明了在大多数情况下边界是紧的。还讨论了我们的结果在优化中的应用。
原始语言 | 英语 |
---|
页面(从至) | 889-907 |
---|
页数 | 19 |
---|
日记账 | 运筹学数学 |
---|
体积 | 39 |
---|
发行编号 | 三 |
---|
早期在线日期 | 2014年1月20日 |
---|
内政部 | |
---|
出版物状态 | 已发布-2014年8月1日 |
---|
- 随机抽样
- 概率界限
- 张量形式
- 多项式函数
- 多项式优化
- 近似算法