[논문 리뷰] Complete Facial Reduction in One Step for Spectrahedra

Stefan Sremac, Hugo J. Woerdeman외 1명|arXiv (Cornell University)|2017. 10. 20.

TiO2 Photocatalysis and Solar Cells참고 문헌 25인용 수 3

한 줄 요약

이 논문은 이중선형계획문제(SDPs)에서 완전한 표면감소를 달성하기 위해 단일단계의 매개변수 최적화 방법을 제안한다. 이는 반복적이고 비용이 많이 드는 보조 문제를 거치지 않고 스펙트라헤드론의 상대 내부점(정규화된 내부점)을 직접 계산한다. 로그행렬식 최대화 문제를 통해 부드러운 중심경로를 구성함으로써, 상대 내부로 수렴함을 보장하며, 이는 강력한 이중성과 안정적인 SDP 해법을 가능하게 한다. 다양한 특성도를 가진 문제들에 대한 수치적 검증을 수행하였다.

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.

연구 동기 및 목표

• 스펙트라헤드론에서 엄격한 타당성이 실패할 경우 발생하는 표면감소 문제를 해결함으로써, SDP에서 이중성 갭과 수렴 문제를 해결하고자 한다.
• 기존 표면감소 방법의 반복적이고 계산 비용이 큰 보조 문제를 피하는 실용적이고 단일단계 알고리즘을 개발하고자 한다.
• 스펙트라헤드론의 상대 내부점을 직접 계산함으로써, 강력한 이중성과 불량한 SDP 문제의 정규화를 가능하게 하고자 한다.
• 매개변수 경로에 대한 투영된 가우스-뉴턴 방법을 사용하여 수렴 보장을 하고 실용적인 알고리즘 프레임워크를 구축하고자 한다.

제안 방법

• 선형 제약 조건 하에 원래 변수의 로그행렬식을 최대화하는 매개변수 최적화 문제를 설정함으로써, 상대 내부로 향하는 중심경로를 만든다.
• 기존 문제의 엄격한 타당성이 없더라도 이 매개변수 문제의 최적해가 스펙트라헤드론의 상대 내부에 존재함을 증명한다.
• 선형화된 최적성 조건과 적응형 스텝 길이를 사용하여 중심경로를 수치적으로 따라가는 투영된 가우스-뉴턴 방법을 도입한다.
• 가우스-뉴턴 방향에서의 행렬 역행렬 계산을 효율적으로 하기 위해 고브버그-세멘쿨 공식을 활용한다.
• 타당성을 유지하고 수렴을 보장하기 위해 선형 탐색을 통한 감쇠 뉴턴 방법을 사용한다.
• 중앙경로의 극한점이 스펙트라헤드론의 해석 중심과 일치하는 충분조건을 제시한다.

실험 결과

연구 질문

• RQ1 엄격한 타당성이 없더라도, 그 극한점이 스펙트라헤드론의 상대 내부에 위치하는 단일 매개변수 최적화 문제를 구성할 수 있는가?
• RQ2 제안된 중심경로가 상대 내부의 유일한 점으로 수렴하는가? 그리고 어떤 조건에서 해석 중심과 일치하는가?
• RQ3 기존의 반복적 보조 문제를 제거하고, 단일 최적화 문제로 표면감소 과정을 단순화할 수 있는가? 이 과정에서 벡터 계산이 노출되는가?
• RQ4 다양한 특성도를 가진 스펙트라헤드론에서 제안된 방법의 수치적 성능은 어떠한가? 특히 특성도가 1을 초과하는 경우 어떻게 되는가?
• RQ5 테스트 및 검증을 위해 특정한 특성도를 가진 스펙트라헤드론을 구성적으로 생성할 수 있는 방법이 있는가?

주요 결과

• 제안된 매개변수 최적화 문제는 초기 문제의 타당성 상태와 관계없이 스펙트라헤드론의 상대 내부에 유일한 점으로 수렴함을 보장한다.
• 수치 결과에 따르면, 투영된 가우스-뉴턴 방법은 특성도 1과 2인 테스트 사례에서 신뢰성 있게 수렴하며, 평균 이중성 갭은 거의 0에 수렴한다.
• 특성도 1인 경우, 원본 변수의 고유값은 항상 양수였고(예: 평균 약 1.0), 이중 변수는 작은 비영값을 보이며 타당한 이중성을 나타낸다.
• 특성도 2인 경우, 문제는 낮은 차원의 면으로 성공적으로 감소되었고, 이중 변수는 단 하나의 작은 고유값(~0.01)을 보이며 표면감소가 확인되었다.
• 이 방법은 기존 표면감소의 순차적 노출 벡터 계산을 피함으로써 단일 단계 내에서 완전한 표면감소를 달성하며, 계산 오버헤드를 크게 줄였다.
• 중앙경로의 극한점이 해석 중심과 일치하는 충분조건가 존재함을 규명하였으며, 이는 내부점 방법을 전면적으로 적용하고 강력한 이중성 보장을 받을 수 있게 한다.