بهینهسازی نیمهمعین
بهینهسازی نیمه معین یا SDP یک مسئله بهینهسازی برای تابع هدف خطی است.
بهینهسازی نیمه معین تقریباً زمینهای جدید است و در حال رشد است. بسیاری از مسائل در زمینههای تحقیق در عملیات و بهینهسازی ترکیبیاتی را میتوان به صورت تقریبی به صورت بهینهسازی نیمه معین در آورد. تقریباً همهٔ مسائل برنامهریزی خطی را میتوان به صورت بهینهسازی نیمه معین تعریف کرد.
مقدمات
در مسئلهٔ برنامهریزی خطی قصد بهینهسازی تابعی خطی روی یک چندوجهی را داریم، اما تابع و شروط بهینهسازی باید توابعی خطی از متغیرها باشند. در یک مسئلهٔ بهینهسازی نیمه معین میتوان از ضرب داخلی متغیرها نیز استفاده کرد. به عبارت دیگر:
روابط معادل
ماتریس
فرض کنید
با این تعریف میتوان مسئله بهینهسازی معرفی شده در قسمت قبل را اینبار به اینصورت بازنویسی کرد:
با اضافه کردن متغیرهای اضافی میتوان مسئله را به اینصورت عوض کرد:
با داشتن تعریف استاندارد SDP میتوان پاسخ آن را در
فرم دیگر (dual)
با داشتن فرم اولیه
میتوان فرم دیگر مسئلهٔ فوق (P-SDP) را میتوان به صورت زیر نوشت:
که در آن
مثالها
کاربردها
روشهای بهینهسازی نیمه معین کاربردهای بسیاری در مسائل بهینهسازی ترکیبیاتی مثلاً مسئلهٔ برش بیشینه دارند. همچنین کاربردهای بسیار در کنترل دارند.
منابع
- Lieven Vandenberghe, Stephen Boyd, "Semidefinite Programming", SIAM Review 38, March 1996, pp. 49–95. pdf
- Monique Laurent, Franz Rendl, "Semidefinite Programming and Integer Programming", Report PNA-R0210, CWI, Amsterdam, April 2002. optimization-online
- E. de Klerk, "Aspects of Semidefinite Programming: Interior Point Algorithms and Selected Applications", Kluwer Academic Publishers, March 2002, ISBN 1-4020-0547-4.
- Robert M. Freund, "Introduction to Semidefinite Programming (SDP), SDP-Introduction
پیوند به بیرون
- Links to introductions and events in the field
- Lecture notes from Laszlo Lovasz on Semidefinite Programming
- نرمافزارها
- JOptimizer: open source java library for convex optimization
- Overview of existing software
- NEOS Solvers: A server that runs multiple algorithms for solving SDPs and other optimization problems
- SeDuMi: (Self-Dual-Minimization) solves optimization problems over symmetric cones (this includes semidefinite optimization).
- YALMIP: MATLAB optimization toolbox and frontend for many sdp solver
- PICOS: a simple python interface for sdp solvers
- cvx: a MATLAB frontend that uses either SeDuMi or SDPT3
- cvxopt: a python solver