Betrachten Sie ein konvexes Optimierungsproblem im Formular
wobei konvexe Funktionen sind. Ohne Verlust der Allgemeinheit können wir annehmen, dass linear ist.
Nesterov und Nemirovskii erwähnen in ihrem Buch "Interior Point Polynomial Algorithmen in der konvexen Programmierung", dass es einen Algorithmus gibt, der jedes konvexe Programm in der Polynomzeit im folgenden Sinne lösen kann. Wir wollen eine Lösung mit einer relativen Genauigkeit auf Kosten von Berechnungen der Werte und Berechnungen der Subgradienten. Dann wird für die Ellipsoidmethode behauptet, dass
Auf den ersten Blick scheint dies zu implizieren, dass ein konvexes Optimierungsproblem in Polynomzeit mit der Ellipsoidmethode gelöst werden kann (nehmen wir der Einfachheit halber an, dass die Orakel zur Berechnung der Werte und der Subgradienten -Zeit für die betrachtete Klasse von benötigen konvexe Optimierungsprobleme).
Ich verstehe jedoch überhaupt nicht, ob die Ausdrücke (\ cdot) irgendwie von den Funktionen abhängen , z. B. von ihren Hessen, oder nicht. In diesem Fall kann die Komplexität aufgrund der Krümmungseigenschaften der Funktionen ein exponentielles Aufblasen aufweisen. Darüber hinaus wird auf mysteriöse Weise behauptet, dass "die Ellipsoidmethode in der Praxis nicht gut funktioniert". Im Internet scheint es keinen Konsens zu geben, ob die Antwort auf meine Frage positiv oder negativ ist, siehe z. B. diese Diskussion zu MathOverflow.
Ich habe in jedem Buch über konvexe Optimierung gesucht, das ich finden konnte, und ich habe den Eindruck gewonnen, dass dieses zwar vom Problem abhängt, aber keine eindeutige Bestätigung dieser Vermutung finden konnte. Meine einzige Hoffnung ist es also, Leute, die auf diesem Gebiet forschen, direkt zu fragen.
Später entwickelte innere Punktmethoden scheinen die Krümmung explizit unter Verwendung des Begriffs selbstkonkordanter Barrieren zu berücksichtigen. Wenn die Leute jedoch sagen, dass diese Methoden in der Praxis effizient sind, spezifizieren sie dies normalerweise nicht auf der Ebene der Komplexität.