Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
Copyright c©2012, SAS Institute Inc. All rights reserved.
Szemidefinit optimalizálásifeladatok megoldásánaknumerikus kérdései
Pólik ImreSAS InstituteCary, NC, USA
Szemidefinit optimalizáláselmélete és alkalmazásaiMTA, 2012. november 21.
Tartalom
1 Kúplineáris optimalizálás
2 Algoritmusok
3 Dualitási problémák
4 Kutatási irányok
Copyright c©2012, SAS Institute Inc. All rights reserved.
Kúplineáris optimalizálás
Primál-duál feladat
min cTx max bT y
Ax = b AT y + s = c
x ∈ K s ∈ K∗
A kúp lehet
LP K = Rn+SOCP K = {(x0, x) ∈ R+ × Rn : x0 ≥ ‖x‖2}SDP K = {X ∈ Rn×n : X � 0}ezek szorzata
Copyright c©2012, SAS Institute Inc. All rights reserved.
Kúplineáris optimalizálás
Primál-duál feladat
min cTx max bT y
Ax = b AT y + s = c
x ∈ K s ∈ K∗
Egyéb kúpok
kúpok metszete (pl. PSD és nemnegat́ıv)
négyzetösszeg (SOS), nemnegat́ıv polinomok
homogén kúpok
komplex kúpok
Copyright c©2012, SAS Institute Inc. All rights reserved.
Szemidefinit optimalizálás
Primál-duál SDP feladat
min Tr(CX) max bT y
Tr(AiX) = bi, i = 1, . . . ,m
m∑i=1
Aiyi + S = C
X � 0 S � 0
Strukturális tulajdonságok
S örökli Ai, C szerkezetét (rang, ritkaság)
X általában nem
ha Ai alacsony rangú, akkor
Ai = aiaTi ⇒ Tr(AiX) = aTi Xai
Copyright c©2012, SAS Institute Inc. All rights reserved.
Reprezentációk
Speciális feltétel
AX +XA = B
Mátrixalakban: (A⊗A) vecX = vecBKöltség: O(n4) tár, O(n4) műveletA direkt alakhoz speciális szoftver kell.
Newton-rendszer
A jobboldal mérete O(n2), a Newton-rendszer mérete O(n4),A faktorizáció költsége O(n6).⇒ A Newton-rendszert iterat́ıvan oldjuk meg.
Copyright c©2012, SAS Institute Inc. All rights reserved.
Algoritmusok
Főleg IPM (Nesterov-Nemirovski, Renegar, Todd, Terlaky, ...)
Iterációk
SDP: O(√n)
SOCP: O(√#kúpok)
általában: ≈ 50− 100
Egy iteráció költsége
SDP: O(mn3 +m2n2 +m3)SOCP: O(m3 + ...)ritka mátrixokkal kevesebb
Megoldható feladatok
SDP: m ≤ 10000, n ≤ 5000SOCP: m ≤ 10000, k ≤ 10000
Copyright c©2012, SAS Institute Inc. All rights reserved.
Implementációk
A bőség zavara
Akadémiai és kereskedelmi implementációk
Szinte csak IPM
Nincs két egyforma
Nincs legjobb
CSDP, SDPA, DSDP, SDPT3, SeDuMi, Mosek, CVXOPT, ...
Párhuzamośıtás: OpenMP és BLAS
Modellezési nyelvek
CVX, YALMIP: ingyenes, Matlab-alapú
Mosek (új, API)
Copyright c©2012, SAS Institute Inc. All rights reserved.
SeDuMi
Történelem
Eredetileg (1999-2003) Jos F. Sturm
2004-től AdvOL (McMaster), 2008-tól COR@L (Lehigh)
Több ezer felhasználó
Algoritmus, implementáció
Matlab/C/BLAS
Beágyazásos, primál-duál IPM, NT-skálázással
Saját Cholesky-faktorizáció
Előnyök, hátrányok
Numerikus stabilitás
SOCP feladatokon nagyon hatékony
Nagy és sűrű SDP feladatokon lassú
Copyright c©2012, SAS Institute Inc. All rights reserved.
Dualitási problémák
1 Kúplineáris optimalizálás
2 Algoritmusok
3 Dualitási problémákGyenge és erős nem-megengedettségAz optimum nem érhető elPozit́ıv dualitásrés
4 Kutatási irányok
Copyright c©2012, SAS Institute Inc. All rights reserved.
Gyenge nem-megengedettség
min
(0 11 0
)•(x11 x12x21 x22
)max y1(
1 00 0
)•(x11 x12x21 x22
)= 1
(1 00 0
)y1 + S =
(0 11 0
)X � 0 S � 0
Megengedettség
A duál feladat nem-megengedett.
A primál feladatnak nincsen jav́ıtó iránya.
Majdnem megengedettség (∀ε > 0)A duál feladat ε-megengedett.
Létezik primál ε-jav́ıtó irány.
Numerikusan nem válaszhatók szét.
Copyright c©2012, SAS Institute Inc. All rights reserved.
Az optimum nem érhető el
min
(1 00 0
)•(x11 x12x21 x22
)max 2y1(
0 −1−1 0
)•(x11 x12x21 x22
)= 2
(0 −1−1 0
)y1 + S =
(1 00 0
)X � 0 S � 0
Optimumok
A duál optimum 0, a megoldás y1 = 0.
A primál optimum 0, de nem létezik optimális megoldás.
A megoldás divergál.
A duál megengedett halmaz”túl kicsi” (Slater).
Copyright c©2012, SAS Institute Inc. All rights reserved.
Pozit́ıv dualitásrés
min
α 0 00 0 00 0 0
•X 0 0 00 1 0
0 0 0
•X = 0 1 0 00 0 1
0 1 0
•X = 1X � 0
Optimumok
A primál optimum α, x11 = 1
A duál optimum 0, y = 0
A primál-duál módszereknem működnek.
Mindkét megengedett halmaz
”túl kicsi” (Slater).
max y2
y1
0 0 00 1 00 0 0
+ y2 1 0 00 0 1
0 1 0
+ S = α 0 00 0 0
0 0 0
S � 0
Copyright c©2012, SAS Institute Inc. All rights reserved.
Kutatási irányok – I
Jobb algoritmusok
Szimplex(-jellegű) algoritmus?
?
Egészértékű feladatok
SOCP eredmények
Előfeldolgozás
vegyes LP/SOCP/SDP problemák
dekompoźıció, szimmetria-redukció
LP technikák általánośıtása
Copyright c©2012, SAS Institute Inc. All rights reserved.
Kutatási irányok – II
Speciális szerkezetű feladatok
metszetkúpok
gráf-problémák
robusztus optimalizálás
Egyszerűbb modellezés
feladatok definiálása természetes módon
Új alkalmazások
gazdag struktúra
±1 feladatok
Párhuzamos algoritmusok
lineáris algebra
Copyright c©2012, SAS Institute Inc. All rights reserved.
Kúplineáris optimalizálásAlgoritmusokDualitási problémákKutatási irányok