MétaCan
Menu
Retour à la cohorte
Enregistrement W2981781020 · doi:10.1137/18m1193657

Strict Complementarity in Semidefinite Optimization with Elliptopes Including the MaxCut SDP

2019· article· en· W2981781020 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSIAM Journal on Optimization · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Optimization Algorithms Research
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchConselho Nacional de Desenvolvimento Científico e TecnológicoNatural Sciences and Engineering Research Council of CanadaCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorFundação de Amparo à Pesquisa do Estado de São PauloNational Science Foundation
Mots-clésMathematicsCombinatoricsSemidefinite programmingVertex (graph theory)Conic optimizationRegular polygonConvex optimizationDiscrete mathematicsGraphConvex setMathematical optimization

Résumé

récupéré en direct d'OpenAlex

The MaxCut approximation algorithm by Goemans and Williamson is one of the most celebrated results in semidefinite optimization, and the corresponding MaxCut semidefinite optimization problem (SDP) has many favourable properties. The feasible regions of this class of SDPs are known as elliptopes, and they have been studied extensively. One of their nicest geometric/duality properties is the fact that their vertices correspond exactly to the cuts of a graph, as proved by Laurent and Poljak in 1995. Recall that a boundary point $x$ of a convex set $\mathscr{C}$ is called a vertex of $\mathscr{C}$ if the normal cone of $\mathscr{C}$ at $x$ is full-dimensional. Semidefinite programs over elliptopes were also exploited by Goemans and Williamson and by Nesterov to develop approximation algorithms for the Maximum-2-Satisfiability problem and for nonconvex quadratic optimization problems, respectively. We study how often strict complementarity holds or fails for SDPs over elliptopes when a vertex is optimal, i.e., when the SDP relaxation is tight. While strict complementarity is known to hold when the objective function is in the interior of the normal cone at any vertex, we prove that it fails generically (in a context of Hausdorff measure and Hausdorff dimension) at the boundary of such normal cones. In this regard, SDPs over elliptopes display the nastiest behavior possible for a convex optimization problem. We also study strict complementarity with respect to two classes of objective functions. We show that, when the objective functions are sampled uniformly from a class of negative semidefinite rank-one matrices in the boundary of the normal cone at any vertex, the probability that strict complementarity holds lies in $(0,1)$. To complete our study with a spectral-graph-theory-based viewpoint of the data for the MaxCut SDP, we extend a construction due to Laurent and Poljak of weighted Laplacian matrices for which strict complementarity fails. Their construction works for complete graphs, and we extend it to cosums of graphs under some mild conditions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,071
Tête enseignante GPT0,356
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle