[論文レビュー] Complete Facial Reduction in One Step for Spectrahedra

Stefan Sremac, Hugo J. Woerdeman+1 more|arXiv (Cornell University)|Oct 20, 2017

TiO2 Photocatalysis and Solar Cells参考文献 25被引用数 3

ひとこと要約

本稿では、反復的サブ問題を経由せずに、スケーラーの相対的内部点を直接計算することで、半定値計画（SDP）における完全な顔面削減を達成する1段階のパrametric最適化手法を提案する。対数行列式最大化問題を用いて滑らかな中心路を構築することで、相対的内部への収束を保証し、強い双対性と安定したSDP解法を可能にする。特異度が異なる問題に対する数値的検証も実施した。

ABSTRACT

A spectrahedron is the feasible set of a semidefinite program, SDP, i.e., the intersection of an affine set with the positive semidefinite cone. While strict feasibility is a generic property for random problems, there are many classes of problems where strict feasibility fails and this means that strong duality can fail as well. If the minimal face containing the spectrahedron is known, the SDPcan easily be transformed into an equivalent problem where strict feasibility holds and thus strong duality follows as well. The minimal face is fully characterized by the range or nullspace of any of the matrices in its relative interior. Obtaining such a matrix may require many facial reduction steps and is currently not known to be a tractable problem for spectrahedra with singularity degree greater than one. We propose a single parametric optimization problem with a resulting type of central path and prove that the optimal solution is unique and in the relative interior of the spectrahedron. Numerical tests illustrate the efficacy of our approach and its usefulness in regularizing SDPs.

研究の動機と目的

• 厳密な可解性が成立しないスケーラーの顔面削減の課題に対処し、SDPにおける双対ギャップや収束問題を解消すること。
• 従来の顔面削減が反復的で計算コストの高いサブ問題を経由するのを回避する、実行可能で1段階のアルゴリズムを開発すること。
• スケーラーの相対的内部点を直接計算する手法を提供し、強い双対性と不適切に定式化されたSDPの正則化を可能にすること。
• パラメトリックパス上の投影ガウス＝ニュートン法を用いて、収束保証と実用的なアルゴリズムフレームワークを確立すること。

提案手法

• アフィン制約下で主変数の対数行列式を最大化するパラメトリック最適化問題を定式化し、相対的内部への中心路を構築する。
• 元の問題が厳密に可解でない場合でも、このパラメトリック問題の最適解がスケーラーの相対的内部に存在することを証明する。
• 中心路を数値的に追跡するための投影ガウス＝ニュートン法を導入し、線形化された最適性条件と適応的ステップサイズを用いる。
• ニュートン方向における行列逆行列の効率的計算のため、Gohberg-Semenculの公式を用いることで数値的安定性を向上させる。
• 妥当性を維持し収束を保証するため、ラインサーチを用いたダムプドニュートン法を採用する。
• 中心路の極限点がスケーラーの解析的中心と一致する十分条件を特定する。

実験結果

リサーチクエスチョン

• RQ1 元の問題が厳密に可解でない場合でも、その極限点がスケーラーの相対的内部に位置するような1つのパラメトリック最適化問題を構築可能か？
• RQ2 提案された中心路は相対的内部に一意の点に収束するか？ また、その点が解析的中心と一致する条件は何か？
• RQ3 顔面削減プロセスを反復的サブ問題を排除した1つの最適化問題に簡略化可能か？ また、ベクトル計算の露呈を可能にするか？
• RQ4 特異度が異なるスケーラーに対して、提案手法はどのように数値的に性能を発揮するか？ 特に特異度が1より大きい場合に有効か？
• RQ5 テストおよび検証用に、所望の特異度を有するスケーラーを構成的に生成する方法はあるか？

主な発見

• 提案されたパラメトリック最適化問題は、初期問題の可解性状態に関わらず、スケーラーの相対的内部に一意の点に収束することが保証される。
• 数値結果から、特異度1および2のテスト例において、投影ガウス＝ニュートン法が信頼性高く収束することが示された。平均双対ギャップはほぼゼロに近づいた。
• 特異度1のインスタンスでは、主変数の固有値が一貫して正（例：平均約1.0）であり、双対変数は小さいが非ゼロ値を示し、適切な双対性が成立していることが確認された。
• 特異度2のインスタンスでは、問題が低次元の面に削減されたことが確認され、双対変数に1つの小さな固有値（約0.01）が観察され、顔面削減が成功したことが裏付けられた。
• 本手法は1段階で完全な顔面削減を達成し、従来の顔面削減における逐次的ベクトル計算を回避することで、計算オーバーヘッドを顕著に削減した。
• 中心路の極限点が解析的中心と一致する十分条件が同定され、完全な双対性保証のもとで内点法を適用可能となった。