ความรู้ของฉันที่ดีที่สุดไม่มีการศึกษาเช่นนี้ นอกจากนี้หากไม่มีความก้าวหน้าที่ไม่น่าสนใจเกี่ยวกับเทคโนโลยีของปัญหาผลรวมของสแควร์ส (SOS) ปัจจุบันยังไม่ชัดเจนว่าประโยชน์ที่ได้รับจากการศึกษาดังกล่าวจะเป็นเช่นไร (ฉันจะมุ่งเน้นไปที่การเชื่อมต่อ SOS ตั้งแต่นั้นเท่าที่ฉันรู้ว่าเป็นวิธีที่ดีที่สุดในการแก้ปัญหาควอร์ทิคทั่วไป) คำสั่งนี้ควรนำไปใช้ในแง่บวก: ฉันเชื่อว่ามีความลึกของการวิจัยจำนวนมาก ปัญหาเหล่านี้ ฉันจะยืนยันการเรียกร้องของฉันในบางวิธีหวังว่าผู้คนจะพบว่ามีประโยชน์
ประการแรกสำหรับปัญหาพื้นฐานที่สุดของประเภทที่คุณพูดคุยการเชื่อมต่อ SVD ให้การแก้ปัญหาที่ดีกว่ากล่องดำ SOS โดยเฉพาะอย่างยิ่งหลังสร้าง SDP ที่มีเงื่อนไขโดยที่คือจำนวนรวมของตัวแปรในปัญหาการหาค่าเหมาะที่สุดของแหล่งที่มา (ตัวอย่างเช่นจำนวนองค์ประกอบทั้งหมดในเมทริกซ์ที่ไม่รู้จักทั้งหมด ที่ฉันได้ตัวเลขเหล่านี้ดูการบรรยายที่ 10 จากหลักสูตรปี 2006 ของ Pablo Parrilo: http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-972-algebraic-techniques-and-semidefinite-optimization -spring-2006 / lecture-notes / lecture_10.pdf ) นี่คือ SDP ที่คุณไม่ต้องการแก้ไข (เวลาทำงานขึ้นอยู่กับเป็น(n + 22)nnn6ใช้ตัวแก้จุดภายใน) โดยเฉพาะอย่างยิ่งเมื่อเปรียบเทียบกับความเร็วที่ไร้สาระของตัวแก้ SVD (ใช้สัญกรณ์ที่สอดคล้องกัน SVD จะเป็นอะไรที่เหมือนคุณสามารถลบล้างการคำนวณของฉันได้โดยการติดตาม จำนวนคอลัมน์แถวและอันดับเป้าหมาย แต่เป็นหายนะไม่ว่าคุณจะแก้ไขความประมาทของฉันอย่างไร) ในหลอดเลือดดำนี้หากคุณออกแบบอัลกอริทึมพิเศษเพื่อแก้ปัญหา SOS ซึ่งระดับสูงสุดภายในพหุนามใด ๆ เป็นสอง: มันจะน่าทึ่งแล้วแบบสำรวจที่คุณมองหาจะมีค่ามากโอ (n1.5)
ประการที่สองเนื่องจากสูตรพื้นฐานของปัญหาเหล่านี้อยู่นอกหน้าต่างเราอาจสงสัยว่าตัวแก้ไขปัญหาบางอย่างได้รับการจัดการอย่างดีจากนักแก้ปัญหา SOS เป็นตัวอย่างที่สำคัญให้พิจารณาปัญหา NMF (การแยกตัวประกอบเมทริกซ์ที่ไม่เป็นลบ) ซึ่งเมทริกซ์ไม่ทราบว่าคุณกำลังปรับให้เหมาะสม (ในสูตรด้านบน) ต้องมีรายการที่ไม่เป็นลบ น่าเสียดายที่ถ้าคุณใช้ SDP มาตรฐานที่ใช้ในการแก้ปัญหาเหล่านี้ (ดูตัวอย่างจาก Pablo Parrilo จากด้านบน) ไม่มีทางที่จะแนะนำข้อ จำกัด เหล่านั้นได้ (และเนื่องจากสูตรบางส่วนของปัญหาที่เกิดขึ้นคือ NP-hard ตอนนี้คุณจะต้องสร้างรูปแบบการประมาณเช่นที่น่ารังเกียจ) นอกจากนี้ยังมีงานล่าสุดที่ใช้ประโยชน์จากโครงสร้างพหุนามของปัญหานี้เพื่อสร้างนักแก้ปัญหาด้วย การค้ำประกัน: ดูhttp://arxiv.org/abs/1111.0952โดย Arora, Ge, Kannan และ Moitra พวกเขาสร้างอัลกอริธึมไม่กี่อย่างไรก็ตามเมื่อพวกเขาแก้ปัญหา NMF "แน่นอน" (ที่มีการแยกตัวประกอบที่แน่นอนคือหนึ่งให้ค่าวัตถุประสงค์ 0) พวกเขาไม่ใช้ตัวแก้ปัญหา SOS: พวกเขาใช้ตัวตรวจสอบความเป็นไปได้ของ "กึ่ง -algebraic sets "เป็นปัญหาการปรับให้เหมาะสมที่ยากขึ้นซึ่งอนุญาตให้มีข้อ จำกัด ชนิดต่างๆที่ NMF เพิ่ม แต่ตอนนี้มีเวลาทำงานแบบเอ็กซ์โปเนนเชียล
อย่างไรก็ตามเพื่อสรุปและให้มุมมองเพิ่มเติม; เนื่องจาก SOS เป็นผู้แก้ปัญหาควอร์ติกเพียงคนเดียวที่คุณพูดถึง (เช่นฉันไม่คิดว่าจะมีนักแก้ปัญหาควอร์ติกพิเศษ) ฉันได้พูดคุยกันว่านักแก้ปัญหาเหล่านี้มีทางเลือกที่ดีกว่าสำหรับปัญหาควอร์ติก ในการใช้เครื่องมือ SOS อย่างมีประสิทธิภาพที่นี่คุณจะต้องสร้างตัวแก้ปัญหาที่น่าทึ่งสำหรับกรณีควอร์ติค (พหุนามภายในขององศาไม่เกิน 2) หรือคุณต้องหาวิธีเพิ่มข้อ จำกัด ให้กับปัญหาเหล่านี้ มิฉะนั้นการเชื่อมต่อกับปัญหา SOS ในขณะที่น่าหลงใหลไม่ได้ให้อะไรมากมาย
คุณยังพูดถึงว่าคุณประหลาดใจที่วรรณคดีที่คุณพบไม่ได้ทำให้การเชื่อมต่อนี้ ฉันคิดว่าส่วนใหญ่เป็นเพราะความแปลกใหม่ของนักแก้ปัญหา SOS ในทางปฏิบัติ (แม้ว่าการพิจารณาเชิงนามธรรมเกี่ยวกับปัญหา SOS กลับไปไกลมาก) และสิ่งที่ฉันพูดไว้ข้างต้น ในความเป็นจริงเมื่อฉันพบนักแก้ปัญหา SOS เป็นครั้งแรกมันเป็นบันทึกและเอกสารของ Parrilo และฉันก็สงสัยเช่นเดียวกัน "ทำไมเขาไม่พูดถึงปัญหาประเภท PCA" จากนั้นฉันตรวจสอบข้อเท็จจริงข้างต้นและขมวดคิ้วมาก ฉันคิดว่ามันเป็นสัญญาณที่ไม่ดีที่ Parrilo ตัวเองยังไม่สามารถบอก / อ่านได้ถึงปัญหาเหล่านี้นอกเหนือจากการอ้างอิงที่คุณกล่าวถึงในวิทยานิพนธ์ของเขา (ในขณะเดียวกันเขามีเอกสารเกี่ยวกับนามสกุลต่าง ๆ และฉันเคารพอย่างมาก สำหรับงานของเขาในสาขาเหล่านี้: เขาต้องคิดเกี่ยวกับปัญหาควอร์ติกเฉพาะเหล่านี้หลายครั้ง ..http://arxiv.org/abs/1111.1498 )