[논문 리뷰] Exact relaxation for polynomial optimization on semi-algebraic sets

Marta Abril Bucero, Bernard Mourrain|arXiv (Cornell University)|2013. 07. 24.

Advanced Optimization Algorithms Research참고 문헌 25인용 수 7

한 줄 요약

이 논문은 카루시-쿤-터커(Karush-Kuhn-Tucker, KKT) 조건을 활용하여 준대수집합 위에서 다항식 최적화의 정확한 준선형계획법(SDP) 타협을 제안한다. 최소값이 도달될 경우 KKT 기반의 SDP 계층이 유한한 단계 내에서 수렴하며, KKT 아이디얼이 0차원이 아니어도 모멘트 행렬의 핵을 통해 최소화점이 정확히 복원된다는 것을 증명한다.

ABSTRACT

In this paper, we study the problem of computing by relaxation hierarchies the infimum of a real polynomial function f on a closed basic semialgebraic set and the points where this infimum is reached, if they exist. We show that when the infimum is reached, a relaxation hierarchy constructed from the Karush-Kuhn-Tucker ideal is always exact and that the vanishing ideal of the KKT minimizer points is generated by the kernel of the associated moment matrix in that degree, even if this ideal is not zero-dimensional. We also show that this relaxation allows to detect when there is no KKT minimizer. We prove that the exactness of the relaxation depends only on the real points which satisfy these constraints.This exploits representations of positive polynomials as elementsof the preordering modulo the KKT ideal, which only involves polynomials in the initial set of variables. Applications to global optimization, optimization on semialgebraic sets defined by regular sets of constraints, optimization on finite semialgebraic sets, real radical computation are given.

연구 동기 및 목표

• 준대수집합 위에서 다항식 최적화를 위한 유한 수렴 성질을 갖는 SDP 타협을 개발한다.
• 기존 방법이 KKT 아이디얼이 0차원이 아니거나 KKT 점이 존재하지 않을 경우 실패하는 한계를 해결한다.
• 불가능성 탐지 및 모든 전역 최소화점을 표준 KKT 조건이 포괄하지 못하는 경우에도 복원할 수 있는 통일된 프레임워크를 제공한다.
• 제약 조건을 만족하는 실수 해에 기반하여, KKT 아이디얼 모odulo의 전순서 표현을 사용해 타협의 정확성을 증명한다.
• 모멘트-SOS 방법의 적용 범위를 비콤팩트 및 비완전 교차 준대수집합으로 확장한다.

제안 방법

• 등식 및 부등식 제약 조건을 하나의 전순서 프레임워크에 통합하여 KKT 아이디얼 기반의 모멘트-SOS 계층을 구성한다.
• 수정된 최적화 문제를 정의하기 위해 카루시-쿤-터커(Karush-Kuhn-Tucker, KKT) 조건을 추가 다항식 제약 조건으로 활용한다.
• 기존 제약 조건과 KKT 아이디얼로 생성된 전순서에 대해 라서레 계층의 SDP 타협을 적용한다.
• 모멘트 함수수의 하 Hankel 행렬에 대한 평탄한 확장 조건을 통해 유한 수렴을 탐지한다.
• 수렴 단계에서 모멘트 행렬의 핵을 계산하여 최소화점의 복원을 수행한다.
• KKT 점이 존재하지 않을 경우를 탐지하기 위해 프리츠 존 도형(Fritz John variety)을 활용한다. 이는 최소화 문제의 불가능성 탐지에 기여한다.

실험 결과

연구 질문

• RQ1 준대수집합 위에서 다항식 최적화에 대해 KKT 기반의 SDP 계층이 유한 단계 내에서 수렴하는 조건은 무엇인가?
• RQ2 KKT 아이디얼이 0차원이 아니어도 모멘트 행렬의 핵을 통해 최소화점이 정확히 복원될 수 있는가?
• RQ3 KKT 점이 존재하지 않을 경우, 특히 비콤팩트 또는 특이한 경우에 타협이 어떻게 불가능성을 탐지할 수 있는가?
• RQ4 KKT 아이디얼 모odulo의 전순서가 타협의 정확성을 보장하는 데 어떤 역할을 하는가?
• RQ5 이 방법은 단일 프레임워크로 콤팩트, 유한, 비콤팩트 준대수집합 위의 전역 최적화를 균일하게 처리할 수 있는가?

주요 결과

• 최소값이 도달될 경우, KKT 아이디얼이 0차원이든 아니든 KKT 기반의 SDP 계층은 유한 단계 내에서 정확하게 수렴한다.
• 수렴 단계에서 모멘트 행렬의 핵이 최소화점의 아이디얼을 생성하므로, 모든 최소화점이 정확히 복원된다.
• 변형이 가미된 모츠킨 다항식의 경우 알고리즘이 5차 수렴 단계에서 수렴하지만, 동일 조건에서 Gloptipoly는 수렴하지 못한다.
• 예제 7.6에서 최소화점 아이디얼은 비0차원이며 여섯 개의 직선을 정의하며, 5차 수렴 단계에서 모멘트 행렬의 핵이 정확히 그 아이디얼을 식별한다.
• 토러스 예제에서는 최소화점 아이디얼 $I_{ ext{min}} = (x^2 + y^2 - 4, z + 1)$ 이 정확히 복원되며, 이는 최소화점의 원을 형성한다.
• 메서드는 프리츠 존 도형을 통해 불가능성을 탐지하고, KKT 점이 존재하지 않을 경우 잘못된 수렴을 방지한다.