[论文解读] Convex integer minimization in fixed dimension

Timm Oertel, Christian Wagner+1 more|arXiv (Cornell University)|Mar 19, 2012

Advanced Optimization Algorithms Research参考文献 5被引用 6

一句话总结

本论文提出了一种在固定维数下，对有界凸集中的整数点最小化凸函数或拟凸函数的多项式时间算法，采用一种新颖的锥体收缩方法，避免了椭球近似。关键贡献在于证明了在维度固定时，通过标准预言机访问假设（包括可行性、分离超平面和线性整数优化预言机），凸整数最小化问题是多项式时间可解的。

ABSTRACT

We show that minimizing a convex function over the integer points of a bounded convex set is polynomial in fixed dimension.

研究动机与目标

• 建立固定维数下凸整数最小化的多项式时间可解性，扩展先前关于线性和拟凸多项式整数规划的结果。
• 克服现有方法中需要椭球近似构造的局限性，因为这些构造对于一般凸集无法高效构建。
• 设计一种基于迭代锥体收缩的新算法框架，通过降低问题维度来保持可行性与最优性保证。
• 使用评估预言机和标准预言机（可行性、分离超平面、线性整数优化）形式化问题，使方法在多项式函数之外也具有广泛适用性。
• 将结果扩展至混合整数规划情形，其中整数变量数量为常数，连续变量数量任意。

提出的方法

• 该算法采用锥体收缩策略，通过基于输入凸集导出的多面体层级和辅助集合，迭代减少包含可行区域的锥体体积。
• 在每次迭代中，方法定义辅助多面体 $\bar{Q}_i$ 和 $\bar{T}_i$ 作为当前锥体 $T_i$ 的缩放内近似，确保体积减少。
• 使用线性整数优化预言机在当前锥体内寻找最优整数点；若该点位于 $K_\varepsilon$ 内，则算法终止。
• 若最优点不在 $K_\varepsilon$ 内，则分离超平面预言机识别出一个可排除该点的超平面，同时保留 $K_{\varepsilon/2}$，从而实现对低维子问题的递归缩减。
• 算法应用引理 2.6 来测试在维度 $n-1$ 的超平面上定义的子问题的可行性，通过归纳法在多项式时间内求解每个子问题。
• 体积减少由不等式 $\operatorname{vol}(T_{i+1}) \leq (1 - 2^{-n}(n-1)^{1-n}) \operatorname{vol}(T_i)$ 保证，确保在 $O(\log B)$ 次迭代内收敛。

实验结果

研究问题

• RQ1 当维度固定时，是否可以在不依赖多项式约束的前提下，对有界凸集上的凸整数最小化问题实现多项式时间求解？
• RQ2 是否可能避免椭球近似构造，因为这些构造计算成本高，且通常无法在多项式时间内构建？
• RQ3 如何设计一种锥体收缩算法，在降低整数规划问题维度的同时保持可行性与最优性？
• RQ4 在固定维度下，哪些预言机假设足以确保一般凸函数的多项式时间可解性？
• RQ5 该结果能否扩展至整数变量数量为常数、连续变量数量任意的混合整数规划问题？

主要发现

• 本文证明了在标准预言机访问假设下，对有界凸集中的整数点最小化凸或拟凸函数，在维度固定时是多项式时间可解的。
• 该算法通过锥体收缩策略避免了椭球近似，利用迭代超平面分离与子问题分解，实现问题的维度降低。
• 每次迭代中，活动锥体的体积至少减少为原来的 $1 - 2^{-n}(n-1)^{1-n}$，确保在 $O(\log B)$ 步内收敛。
• 可行性与最优性通过 $\Delta$-可行性预言机与线性整数优化预言机验证，二者均假设可在多项式时间内实现。
• 该方法可扩展至整数变量数量为常数、连续变量数量任意的混合整数规划问题，通过将函数评估替换为对固定整数点的预言机查询。
• 该算法在多项式时间内终止，返回 $K_\varepsilon \cap \mathbb{Z}^n$ 中的最小化点，或提供证明 $K_0 \cap \mathbb{Z}^n$ 中不存在此类点的证书。