タグ付けされた質問 「linear-programming」

要件のリストが線形関係として表される特定の数学モデルで最良の結果を見つけるための数学および計算手法。

1
多項式ヒルシュ予想の組み合わせバージョン
検討の部分集合の互いに素なファミリーを{1,2、...、N}、。F 1、F 2、… F ttttF1、F2、… FtF1,F2,…Ft{\cal F}_1,{\cal F_2},\dots {\cal F_t} 仮定 (*) すべての およびすべてのおよび、を含むあります。R ∈ F I T ∈ F K S ∈ F J R ∩ Ti < j < ki<j<ki \lt j \lt kR ∈ F私R∈FiR \in {\cal F}_iT∈ FkT∈FkT \in {\cal F}_kS∈ FjS∈FjS \in {\cal F}_jR ∩ …

8
統合性ギャップの重要性
積分ギャップ(IG)とその限界の重要性を理解するのにいつも苦労しました。IGは、問題の緩和の最適な実際の解(の品質)に対する最適な整数の回答(の品質)の比率です。例として頂点カバー(VC)を考えてみましょう。VCは、次の一連の線形方程式の最適な整数解を見つけることと言えます。 我々は、ゼロ/ 1値の変数を有するxvxvx_v各頂点に対するSをv∈V(G)v∈V(G)v \in V(G)グラフGGG。式は次のとおり0≤xv≤10≤xv≤10 \leq x_v \leq 1のためのv∈V(G)v∈V(G)v\in V(G)、及び1≤xv+xu1≤xv+xu1 \leq x_v+x_u各辺のuv∈E(G)uv∈E(G)uv \in E(G)。我々は最小限に抑えられます値を探している∑v∈V(G)xv∑v∈V(G)xv\sum_{v \in V(G)} x_v。 この問題を緩和すると、000から間の実数値が許可される111ため、解の空間が大きくなり、最適な実解は、求める最適な整数解よりも小さくなります。したがって、整数解を見つけるために、線形計画法から得られた最適な実際の答えに対して「丸め」プロセスを実行する必要があります。最適な整数解は、最適な実数解と丸めプロセスの結果の間になります。IGは、最適な整数解と最適な実数解の比であり、丸め処理については何も言いません。丸めプロセスは(理論上)実際の解を完全に無視し、最適な整数解を直接計算できます。 なぜ人々はIGの限界を証明することに興味があるのですか?

6
シンプレックスアルゴリズムの複雑さ
線形計画法の解を見つけるためのシンプレックスアルゴリズムの上限は何ですか? そのような場合の証拠を見つけるにはどうすればいいですか?最悪の場合は、各頂点にアクセスする必要がある場合、つまりように見えます。ただし、実際には、より標準的な問題の場合、シンプレックスアルゴリズムはこれよりも大幅に高速に実行されます。O(2n)O(2n)O(2^n) この方法を使用して解決される問題の平均的な複雑さをどのように推論できますか? どんな情報や参考文献も大歓迎です!

1
Plotkin-Shmoys-TardosおよびArora-Kaleソルバーのおもちゃの例
Arora-Kale SDPソルバーがほぼ線形時間でGoemans-Williamson緩和を近似する方法、Plotkin-Shmoys-Tardosソルバーがほぼ線形時間で分数の「パッキング」および「カバー」問題を近似する方法、およびアルゴリズムがどのように「専門家から学ぶ」抽象的なフレームワークのインスタンス化です。 ケールの論文には優れたプレゼンテーションがありますが、抽象的なフレームワークに直接ジャンプすることは非常に難しいと思います。何をすべきかが絶対に明らかな単純な問題の例から始めて、より一般的な問題に移りたいと思います、アルゴリズムとその分析に「機能」を徐々に追加します。 例えば: Plotkin-Shmoysは、重みのない頂点カバーの線形計画緩和をどのように解決しますか?重み付き頂点カバー?カバーをセットしますか?二部一致? Arora-Kaleアルゴリズムが何か面白いことをしている最も単純な例は何ですか?グラフのラプラシアンの最大固有値をどのように計算しますか? (ラプラシアンの最大固有値を計算することは、Max CutのGoemans-Williamson SDP緩和の弱いバージョンを解く問題に相当します。各ベクトルの長さを1つにする代わりに、平方和を求めます。 | V |となる規範の)

2
多項式時間で正確または近似的に解くことができる数学プログラムのクラスは何ですか?
私は、どのタイプの(連続)数学プログラム(MP)を効率的に解くことができ、どのタイプはできないかについて、連続最適化の文献とTCSの文献にかなり混乱しています。継続的最適化コミュニティは、すべての凸型プログラムを効率的に解くことができると主張しているようですが、「効率的」の定義はTCSの定義と一致しないと思います。 この質問はここ数年私を悩ませており、明確な答えを見つけることができないようです。多項式時間で正確に解くことができるMPのクラス、およびその手段によって、これを一度解決するのに役立つことを願っています。そして、多項式時間で正確に解けないMPの最適解を近似することについて何が知られていますか? 以下に、この質問に対する不完全な回答を示しますが、これは一部の場所でも間違っている可能性があります。そのため、間違っている箇所を確認して修正してください。また、答えられないいくつかの質問も述べています。 楕円体法または内点法を実行し、その後、丸め処理を実行することにより、線形計画法を多項式時間で正確に解くことができることは誰もが知っています。線形プログラミングは、「分離オラクル」を提供できる限り、任意の超大量の線形制約を持つLPファミリーに直面する場合、変数の数の時間多項式で解くことさえできます。 、そのポイントが実行可能かどうかを決定するか、実行可能なポイントの多面体からポイントを分離する超平面を出力します。同様に、これらのLPの双対に分離アルゴリズムを提供する場合、任意の超大量の変数を持つLPファミリーに直面するときの制約の数における時間多項式の線形計画法。 楕円体法は、目的関数の行列が正(半?)定である場合に、多項式時間で2次プログラムを解くこともできます。私は、分離オラクルのトリックを使用することにより、信じられないほどの数の制約を処理している場合、これを行うこともできると考えています。本当? 最近、半正定値プログラミング(SDP)は、TCSコミュニティで多くの人気を得ています。内点法または楕円法を使用して、任意の精度でそれらを解決できます。平方根を正確に計算できないという問題のために、SDPは正確に解決できないと思います。(?)SDP用のFPTASがあると言ったら正しいでしょうか?私はどこでもそれを述べたことを見なかったので、それはおそらく正しくない。しかし、なぜ? LPとSDPを任意の精度で正確に解くことができます。他のクラスの円錐プログラムはどうですか?楕円法を使用して、2次コーンプログラムを任意の精度で解くことができますか?知りません。 楕円体法を使用できるMPのクラスはどれですか?このようなMPは、任意の精度まで答えを与えるためにどのような特性を満たす必要があり、多項式時間で正確な解を得るためにどのような追加の特性が必要ですか?内点法についても同じ質問です。 ああ、そして最後に、コンティニュアスオプティマイザーが凸プログラムを効率的に解くことができると言っているのはなぜですか?凸プログラムに対する任意精度の答えが多項式時間で見つかるのは本当ですか?そうではないので、「効率的」の定義はどの面で私たちのものと異なるのでしょうか? どんな貢献でも大歓迎です!前もって感謝します。

3
線形計画法のための強力な多項式アルゴリズムの存在の結果?
アルゴリズム設計の聖杯の1つは、線形計画法の強力な多項式アルゴリズム、つまり、ランタイムが変数と制約の数が多項式で制限され、パラメーターの表現のサイズに依存しないアルゴリズムを見つけることです(仮定単位コスト計算)。この質問を解決することは、線形計画法のためのより良いアルゴリズムの外で意味を持ちますか?たとえば、そのようなアルゴリズムの存在/非存在は、幾何学または複雑性理論に影響を及ぼしますか? 編集:結果によって私が意味することを明確にする必要があるかもしれません。私は数学的な結果または条件付きの結果、現在真実であることが知られている意味を探しています。たとえば、「BSSモデルのLPの多項式アルゴリズムは、代数的複雑度クラスFOOとBARを分離/崩壊させます」、または「強力な多項式アルゴリズムが存在しない場合、ポリトープに関するそのような推測を解決します」、または「a LPとして配合することができる問題Xのための強力な多項式のアルゴリズムは、興味深い結果を持っているでしょう何とかし」。Hirsch予想は、シンプレックスが多項式である場合にのみ適用されることを除いて、良い例です。

2
行列のセットのスパンに置換行列が含まれているかどうかを判断する多項式時間アルゴリズムはありますか?
特定の行列セットのスパンに置換行列が含まれているかどうかを判断する多項式時間アルゴリズムを見つけたいと思います。 この問題が別の複雑度クラスのものであるかどうかを誰かが知っている場合、それは同じように役立ちます。 編集:私はこのような問題が線形計画法でタグ付けされました。そのような解決策が存在する場合、それは一種の線形計画法アルゴリズムであるという強い疑念があるからです。私がこれを信じる理由は、Birkhoffポリトープの極値が正確に置換行列だからです。その後、バーコフポリトープの頂点でのみ最大化または最小化される目的関数を見つけることができる場合、関数をポリトープとベクトル部分空間の交点に制約し、多項式時間で最大化できます。この値が置換行列である場合、セットに置換が含まれていることがわかります。これらはこのテーマに関する私の考えです。 編集2:もう少し考えた後、順列行列は正確にユークリッドノルムのバーコフポリトープの要素であるように思われ、バーコフポリトープは順列行列。おそらくそれも重要かもしれません。n−−√n\sqrt{n}n×nn×nn \times n 編集3:半明確なプログラミングタグを追加しました。前回のコメントの後、線形制約付きの2次最適化アルゴリズムであるため、半明確なプログラミングソリューションが可能になると考え始めているためです。


3
特性評価は良好だが、多項式時間アルゴリズムはない最適化問題
次の形式の最適化問題を検討してください。ましょう、文字列にマッピング多項式時間計算可能関数である有理数に。最適化の問題はこれです:ビット文字列上の最大値は何ですか?x f (x )n xf(x)f(x)f(x)xxxf(x)f(x)f(x)nnnxxx が成り立つよう な別の多項式時間計算可能関数がある場合、そのような問題にはミニマックスの特性があるとしましょう。ここで、xはすべてのnビット文字列で実行され、yはすべてのmビット文字列で実行されます。nとmは異なる場合がありますが、多項式的に関連しています。max x f (x )= min y g (y )x n y m n mgggmaxxf(x)=minyg(y)maxxf(x)=minyg(y)\max_x f(x) = \min_y g(y)xxxnnnyyymmmnnnmmm 多くの自然で重要な最適化問題には、このようなミニマックスの特性があります。いくつかの例(特性化の基礎となる定理を括弧内に示します): 線形計画法(LP双対性Thm)、 最大流量 (Max Flow Min Cut Thm)、 最大2部一致 (Konig-Hall Thm)、 最大非2部一致 (TutteのThm、Tutte-Berge式)、 有向グラフの最大ディスジョイントアーボレッセンス (エドモンドの分断分岐Thm)、 無向グラフの最大スパニングツリーパッキング (TutteのツリーパッキングThm)、 森林による最小被覆 (ナッシュウィリアムズThm)、 最大有向カットパッキング (Lucchesi-Younger Thm)、 最大2マトロイド交差 (マトロイド交差点) Thm)、 …

3
完全にユニモジュラーの整数線形プログラムをどのくらい速く解くことができますか?
(これは、この質問とその回答のフォローアップです。) 次の完全ユニモジュラー(TU)整数線形プログラム(ILP)があります。ここで 入力の一部として与えられたすべての正の整数です。変数x i jの指定されたサブセットはゼロに設定され、残りは正の整数値を取ることができます。ℓ 、m 、n1、n2、… 、nℓ、c1、c2、 … 、cm、 wℓ、m、n1、n2、…、nℓ、c1、c2、…、cm、w\ell,m,n_{1},n_{2},\ldots,n_{\ell},c_{1},c_{2},\ldots,c_{m},wバツ私はjバツ私jx_{ij} 最小化 ∑mj = 1cj∑ℓi = 1バツ私はj∑j=1mcj∑私=1ℓバツ私j\sum_{j=1}^{m}c_{j}\sum_{i=1}^{\ell}x_{ij} 対象: ∑mj=1xij=ni∀i∑j=1mxij=ni∀i\sum_{j=1}^{m}x_{ij}=n_{i}\,\,\forall i ∑ℓi=1xij≥w∀j∑i=1ℓxij≥w∀j\sum_{i=1}^{\ell}x_{ij}\ge w\,\,\forall j 標準形の係数行列であるのエントリを有する行列- 1 、0 、1。(2ℓ+m)×ℓm(2ℓ+m)×ℓm(2\ell+m)\times \ell m−1,0,1−1,0,1{-1,0,1} 私の質問は: そのようなILPを解決する多項式時間アルゴリズムの実行時間について知られている最高の上限は何ですか?これに関する参考文献をいくつか教えていただけますか? 私はいくつかの検索を行いましたが、ほとんどの場所で、TU ILPはLPの多項式時間アルゴリズムを使用して多項式時間で解くことができると言っています。有望に見えたものの1つは、Tardos [1]による1986年の論文で、このような問題は係数行列のサイズの時間多項式で解決できることを証明しています。しかし、この論文から理解できる限り、そのアルゴリズムの実行時間は、LPを解くための多項式時間アルゴリズムの実行時間に依存します。 LPの問題を解決する一般的なアルゴリズムよりも大幅に高速な(TU ILPの)この特殊なケースを解決するアルゴリズムを知っていますか? そうでない場合、 LPのどのアルゴリズムが、このようなILPを(漸近的な意味で)最速で解決しますか? [1]組み合わせ線形計画を解くための強力な多項式アルゴリズム、Eva Tardos、Operations Research 34(2)、1986

2
ポリトープ(まともな)エキスパンダーのエッジ頂点グラフはありますか?
この質問は、多項式ヒルシュ予想(PHC)に触発されています。ファセットポリトープが与えられた場合、そのエッジ頂点グラフ(と呼ぶ)のスペクトルギャップはによって下限が設定されていますか?n頂点のサイクルグラフは、d = 2の場合でも、スペクトルギャップはO (1 / p o l y(n ))と同じくらい小さい可能性があることを示していることに注意してください。そのため、推測された範囲は(もし本当なら)ほぼタイトになります。nnnPPPRdRd\mathbb R^dGGGΩ (1 / p o l y(n ))Ω(1/poly(n))\Omega(1/\mathrm{poly}(n))nnnd= 2d=2d=2O (1 / p o l y(n ))O(1/poly(n))O(1/\mathrm{poly}(n)) はいの答えは、PHCを意味します。実際、ポリトープの頂点をランダムウォークするだけで線形プログラムを効率的に解くことができ、このアルゴリズムは目的関数にあまり注意を払っていません!これは本当であるにはあまりにも良いようです。 それで、この問題の状態は何ですか:オープン(PHCなど)、または偽ですか?falseの場合、単純な反例はありますか? 注:エキスパンダーの定義に伴う通常の複雑さについて理解しましたは規則的または2部構成である必要はありません。これらの技術的な問題の両方が標準的な方法を使用して克服できることを望みます。特に、これらが私の質問を些細なものにしないことを願っています。(間違っている場合は修正してください!)GGG

1
線形プログラムのおおよその解決のための最良の可能な時間/エラーのトレードオフは何ですか?
具体的には、各プレーヤーがアクションを持つ2人のプレーヤーのゼロサムゲームを解決するためのLPを検討してください。ペイオフマトリックスAの各エントリの絶対値が最大1であるとします。簡単にするために、スパース性を仮定しません。nnnAAA このゲームの価値を概算するためにランタイムが利用できるとします。TTT この値を近似するための1つの手法は、乗法的更新法です(このコンテキストでは後悔のない学習として知られています)。これは、エラーの与え、ここで、〜Oの皮は、因子をログ。O~(n/T−−−−√)O~(n/T)\tilde O(\sqrt{n/T})O~O~\tilde O 最もよく知られている内点法のエラーランドスケープがどのようなものか正確にはわかりませんが、エラーはようなものだと推測しています。O (exp(− T/ n3))O(exp⁡(−T/n3))O(\exp(-T/n^3)) 乗法更新法は逆多項式であるエラーを与えます。内点法は、Tで指数関数的に小さいエラーを与えます。したがって、2つの最良のエラーは、内部ポイントが追いつくまでしばらくの間徐々に減少し、その後、エラーは突然崖から落ちます。私の本能は、このように振る舞う可能な限り最良の時間/エラーのトレードオフに反しています。TTTTTT 私の質問: 時間/エラーのトレードオフ曲線の角を滑らかにする近似線形計画法のアルゴリズムはありますか?つまり、利用可能な時間パラメータの任意の値に対して少なくとも2つのうちの最高の機能を実行し、時間とエラーのトレードオフが比較的スムーズなアルゴリズムです。内点法と乗法更新法を組み合わせるよりインテリジェントな方法は、2つのうちのどちらかを採用するよりも、このようなアルゴリズムを取得する方法の1つです。 参考文献: 一般的な乗法的更新: http://www.cs.princeton.edu/~arora/pubs/MWsurvey.pdf ゼロサムゲームの乗法更新: http://dx.doi.org/10.1016/0167-6377(95)00032-0 LPをカバー/パッキングするための乗法的更新: http://arxiv.org/PS_cache/arxiv/pdf/0801/0801.1987v1.pdf オリジナルのインテリアポイントペーパー: http://math.stanford.edu/~lekheng/courses/302/classics/karmarkar.pdf 適用された数学の観点からの内点: Bertsekasの非線形計画法、セクション4.1.1。

2
LP双対性の直感的/非公式の証明?
LP双対性について「ポイント・ホームを打つ」ための良い非公式/直観的な証拠は何でしょうか?最小化された目的関数が境界を理解する直感的な方法で実際に最小であることをどのように示すのが最善ですか? 二重性の教え方は、私が知っている多くの人々に共有されていると確信している1つの理解につながっただけです。限目。この二元性の「結論」は固執しているように見えるが、「なぜそうなのか」(つまり、最適解にどのように/なぜ限界があるのか​​)ではない。 証明の動機となる可能性のある最適な下限/上限を「表示」するために不等式で遊ぶ方法はありますか? 私はChvatalの本や他のいくつかの本を調べましたが、LPの絶対的な初心者が理解できるものは何も見つかりませんでした。私が得た最も近いものはアルゴリズムに関するVaziraniの本で、彼は「不等式と限界を示すいくつかのマジックナンバーとの乗算」について語っています。

5
計算可能な数が有理数か整数かをテストすることはできますか?
計算可能な数が有理数か整数かをアルゴリズムでテストすることはできますか?言い換えれば、それは道具計算数字は機能を提供するために、そのライブラリは可能でしょうisIntegerかisRational? 私はそれが不可能であると推測し、これは何らかの形で2つの数値が等しいかどうかをテストすることができないという事実に関連していると推測していますが、それを証明する方法はわかりません。 編集:計算数はxxxの関数で与えられるfx(ϵ)fx(ϵ)f_x(\epsilon)の合理的な近似値を返すことができxxx高精度でϵϵ\epsilon:|x−fx(ϵ)|≤ϵ|x−fx(ϵ)|≤ϵ|x - f_x(\epsilon)| \leq \epsilonいずれについても、ϵ>0ϵ>0\epsilon > 0。このような関数を考えると、それがあれば、テストすることが可能であるx∈Qx∈Qx \in \mathrm{Q}またはx∈Zx∈Zx \in \mathrm{Z}?
18 computability  computing-over-reals  lambda-calculus  graph-theory  co.combinatorics  cc.complexity-theory  reference-request  graph-theory  proofs  np-complete  cc.complexity-theory  machine-learning  boolean-functions  combinatory-logic  boolean-formulas  reference-request  approximation-algorithms  optimization  cc.complexity-theory  co.combinatorics  permutations  cc.complexity-theory  cc.complexity-theory  ai.artificial-intel  p-vs-np  relativization  co.combinatorics  permutations  ds.algorithms  algebra  automata-theory  dfa  lo.logic  temporal-logic  linear-temporal-logic  circuit-complexity  lower-bounds  permanent  arithmetic-circuits  determinant  dc.parallel-comp  asymptotics  ds.algorithms  graph-theory  planar-graphs  physics  max-flow  max-flow-min-cut  fl.formal-languages  automata-theory  finite-model-theory  dfa  language-design  soft-question  machine-learning  linear-algebra  db.databases  arithmetic-circuits  ds.algorithms  machine-learning  ds.data-structures  tree  soft-question  security  project-topic  approximation-algorithms  linear-programming  primal-dual  reference-request  graph-theory  graph-algorithms  cr.crypto-security  quantum-computing  gr.group-theory  graph-theory  time-complexity  lower-bounds  matrices  sorting  asymptotics  approximation-algorithms  linear-algebra  matrices  max-cut  graph-theory  graph-algorithms  time-complexity  circuit-complexity  regular-language  graph-algorithms  approximation-algorithms  set-cover  clique  graph-theory  graph-algorithms  approximation-algorithms  clustering  partition-problem  time-complexity  turing-machines  term-rewriting-systems  cc.complexity-theory  time-complexity  nondeterminism 

3
積分ギャップと近似比
最小化問題の近似アルゴリズムを考慮すると、この問題のIP定式化の積分ギャップは、特定のクラスのアルゴリズム(丸めアルゴリズムや主双対アルゴリズムなど)の近似比の下限を与えます。実際、最適な近似比が積分ギャップに一致する問題が数多くあります。 アルゴリズムによっては、問題の積分ギャップよりも優れた近似比を持つ場合がありますが、そのような例が存在するかどうかはわかりません。答えが「はい」の場合、いくつか例を挙げていただけますか? いくつかの問題が複数の数学的定式化を認めることを知っています。このような場合、多項式時間で解くことができる限り、最小の積分ギャップを持つ数学的定式化を検討してください(おそらく、いくつかの定式化は分離オラクルを使用するかもしれません)。 この質問は[質問:積分ギャップの重要性]に関連しています。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.