[论文解读] The Sparsest Solutions to $Z$-Tensor Complementarity Problems

Ziyan Luo, Liqun Qi+1 more|arXiv (Cornell University)|May 5, 2015

Tensor decomposition and applications参考文献 34被引用 12

一句话总结

本文在较弱条件下证明，通过求解具有线性目标函数的多项式规划问题，可精确求得Z-张量互补问题（ZTCPs）的最稀疏解。核心贡献是提出了一种可验证的精确松弛条件——基于Z-张量结构——该条件可保证通过多项式优化获得最稀疏解，从而避免NP难的$\ell_0$-范数最小化。

ABSTRACT

Finding the sparsest solutions to a tensor complementarity problem is generally NP-hard due to the nonconvexity and noncontinuity of the involved $\ell_0$ norm. In this paper, a special type of tensor complementarity problems with $Z$-tensors has been considered. Under some mild conditions, we show that to pursuit the sparsest solutions is equivalent to solving polynomial programming with a linear objective function. The involved conditions guarantee the desired exact relaxation and also allow to achieve a global optimal solution to the relaxed nonconvex polynomial programming problem. Particularly, in comparison to existing exact relaxation conditions, such as RIP-type ones, our proposed conditions are easy to verify.

研究动机与目标

• 为解决因非凸、不连续的$\ell_0$-范数导致的张量互补问题（TCPs）中寻找最稀疏解的NP难问题。
• 识别在何种条件下，Z-张量TCP的最稀疏解可通过凸或多项式松弛精确恢复。
• 为具有多项式约束的TCPs中的最稀疏解问题，开发一种计算上可行的方法。
• 将现有精确松弛条件（如RIP型）推广至非线性、高阶张量设置，并提升其可验证性。
• 建立Z-张量结构可实现通过定点迭代和多项式规划进行全局优化，确保解的唯一性与稀疏性。

提出的方法

• 将最稀疏解问题表述为在张量互补约束下对$\ell_0$-范数进行最小化：$x \ne 0$，$\mathcal{A}x^{m-1} - b \ne 0$，且$\mathcal{A}x^{m-1} - b \ne 0$。
• 基于张量互补系统引入一个定点映射$T_{s,\mathcal{B},b}$，利用$Z$-函数的单调性与连续性。
• 运用$Z$-张量与强$M$-张量理论，确保可行集中最小解的存在性与唯一性。
• 应用定点定理（A1976, DW2015），证明在$[\mathcal{A}^{-1}b]^{1/(m-1)}$缩放边界内的解$x^*$存在。
• 建立$\ell_0$-范数问题的最稀疏解与具有线性目标函数的松弛多项式规划的唯一解之间的等价性。
• 将结果推广至$\mathcal{P}^{Z}_{m,n}$中的张量，即通过置换矩阵可转化为$Z$-张量的张量，且保持精确松弛性质。

实验结果

研究问题

• RQ1 在何种条件下，可通过多项式规划精确恢复Z-张量互补问题的最稀疏解？
• RQ2 在TCPs中，能否将$\ell_0$-范数最小化松弛为具有线性目标函数的多项式规划，同时保持全局最优性？
• RQ3 Z-张量的结构如何实现精确松弛并确保最稀疏解的唯一性？
• RQ4 所提出的精确松弛条件在可验证性方面与现有条件（如RIP或零空间性质）相比如何？
• RQ5 该解法是否可扩展至非$Z$-张量但与之置换等价的张量？

主要发现

• Z-张量互补问题的最稀疏解可精确恢复为具有线性目标函数的多项式规划问题的唯一解。
• 当$\mathcal{A}$为$Z$-张量且$b \ne 0$时，张量互补问题的解$x^*$是可行集中唯一的最小元素，同时也是最稀疏解。
• 对于强$M$-张量，松弛问题$(P_1)$具有唯一解，且与原始问题$(P_0)$的最稀疏解一致。
• 所提出的精确松弛条件相比传统条件（如RIP或零空间性质）更易于验证。
• 该解法可扩展至$\mathcal{P}^{Z}_{m,n}$中的张量，即通过置换矩阵可转化为$Z$-张量的张量，保持精确恢复能力。
• 定点迭代方法（如高斯-赛德尔法）可高效计算解，因为映射$T_{s,\mathcal{B},b}$在$\mathcal{R}^n_+$上连续且单调递增。