[论文解读] Lower Bounds for Sizes of Semidefinite Formulations for Some Combinatorial Optimization Problems.

Troy Lee, Dirk Oliver Theis|arXiv (Cornell University)|Jan 1, 2012

Advanced Optimization Algorithms Research被引用 1

一句话总结

本文证明了仅依赖于矩阵零/非零模式的支持基下界——即仅依赖于矩阵中零与非零元素位置的下界——在证明非负矩阵的正定秩下界方面具有根本性局限。通过刻画支持结构所施加的结构性约束，作者表明此类方法无法捕捉半定规划形式的全部复杂性，揭示了在组合优化问题中广泛应用的这一技术的内在局限性。

ABSTRACT

The positive semidefinite rank of a nonnegative $(m imes n)$-matrix~$S$ is the minimum number~$q$ such that there exist positive semidefinite $(q imes q)$-matrices $A_1,\dots,A_m$, $B_1,\dots,B_n$ such that $S(k,\ell) = \mbox{tr}(A_k^* B_\ell)$. The most important, lower bound technique for nonnegative rank is solely based on the support of the matrix S, i.e., its zero/non-zero pattern. In this paper, we characterize the power of lower bounds on positive semidefinite rank based on solely on the support.

研究动机与目标

• 研究支持基下界在正定秩方面的理论能力。
• 识别矩阵零/非零模式对其正定秩所施加的结构性约束。
• 确定支持基方法是否能为组合问题的半定规划形式实现紧致或有意义的下界。
• 刻画仅依赖于矩阵支持的现有下界技术的局限性。

提出的方法

• 作者基于正定矩阵的迹内积框架分析正定秩。
• 他们将非负矩阵 S 的正定秩定义为满足 S(k,ℓ) = tr(A_k^* B_ℓ) 的最小 q，其中 A_k 和 B_ℓ 为 q×q 正定矩阵。
• 研究聚焦于仅依赖于 S 中零与非零元素位置的支持基下界。
• 作者推导出支持基下界为非平凡时，矩阵 S 必须满足的结构性约束。
• 他们运用组合与代数技术，刻画了仅基于支持分析在证明下界方面的局限性。
• 分析表明，支持基方法无法检测半定规划形式中的某些秩缺陷。

实验结果

研究问题

• RQ1 支持基下界在正定秩上是否能有效用于证明组合问题半定规划形式中的高秩？
• RQ2 矩阵支持的结构性特征如何限制支持基下界在正定秩上的有效性？
• RQ3 是否存在支持基方法无法检测到低正定秩的矩阵，即使存在此类低秩形式？
• RQ4 矩阵的零/非零模式在多大程度上限制了最小正定秩？
• RQ5 能否使用代数或组合不变量正式刻画支持基下界的局限性？

主要发现

• 支持基下界在正定秩方面具有根本性局限，无法捕捉半定规划形式的全部复杂性。
• 矩阵的零/非零模式施加了严格的结构性约束，限制了仅基于支持分析的有效性。
• 存在支持基方法无法证明低正定秩的矩阵，即使此类低秩形式确实存在。
• 本文表明，在组合优化相关的重要情形中，支持基技术不足以证明强下界。
• 从支持模式推导出的结构性约束揭示了仅依赖矩阵稀疏性进行秩认证的内在缺陷。