[论文解读] 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 3

一句话总结

本文提出一种单步参数优化方法，用于在半定规划（SDPs）中实现完全的面约简，直接计算谱单纯形的相对内部点，无需迭代子问题。通过构造一个对数行列式最大化问题的光滑中心路径，该方法保证收敛至相对内部，从而实现强对偶性和鲁棒的SDP求解，并在不同奇异度的问题上进行了数值验证。

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.

研究动机与目标

• 解决谱单纯形中严格可行性失败时的面约简挑战，该问题会导致SDPs中的对偶间隙和收敛问题。
• 开发一种可计算的单步算法，绕过传统面约简中计算成本高昂的迭代子问题。
• 提供一种可直接计算谱单纯形相对内部点的方法，从而实现强对偶性并正则化病态SDPs。
• 建立收敛性保证，并基于参数路径上的投影高斯-牛顿法，构建实用的算法框架。

提出的方法

• 构建一个参数优化问题，通过在仿射约束下最大化原始变量的对数行列式，生成通向相对内部的中心路径。
• 证明该参数问题的最优解即使在原始问题不严格可行时，也位于谱单纯形的相对内部。
• 引入投影高斯-牛顿法以数值方式追踪中心路径，采用线性化最优性条件和自适应步长。
• 利用Gohberg-Semencul公式高效计算牛顿方向中的矩阵逆，提升数值稳定性。
• 采用阻尼牛顿法结合线搜索，以保持可行性并确保收敛。
• 给出一个充分条件，使得中心路径的极限点与谱单纯形的解析中心重合。

实验结果

研究问题

• RQ1 是否可以构造一个单一的参数优化问题，使其极限点位于谱单纯形的相对内部，即使问题本身不严格可行？
• RQ2 所提出的中心路径是否收敛至相对内部的唯一点，其在何种条件下与解析中心重合？
• RQ3 是否可将面约简过程简化为单一优化问题，从而消除迭代子问题并暴露向量计算？
• RQ4 该方法在不同奇异度（特别是奇异度大于1）的谱单纯形上数值表现如何？
• RQ5 是否存在一种构造性方法，可生成具有指定奇异度的谱单纯形，以供测试与验证？

主要发现

• 所提出的参数优化问题保证收敛至谱单纯形相对内部的唯一点，无论初始问题的可行性状态如何。
• 数值结果表明，投影高斯-牛顿法在奇异度为1和2的测试实例中均能可靠收敛，平均对偶间隙趋近于零。
• 对于奇异度为1的实例，原始变量的特征值始终为正（例如，平均约1.0），对偶变量显示小但非零的值，表明对偶性成立。
• 对于奇异度为2的实例，该方法成功将问题约简至低维面，对偶变量表现出一个极小的特征值（约0.01），证实了面约简的有效性。
• 该方法在单步内实现完全的面约简，避免了传统面约简中逐次暴露向量的计算，显著降低了计算开销。
• 识别出一个充分条件，使得中心路径的极限点与解析中心重合，从而可使用具有完整对偶性保证的内点法。