Ketika mendesain algoritma aproksimasi seseorang kadang-kadang memecahkan program semidefinite diikuti oleh langkah pembulatan. Contoh yang sering digunakan untuk menggambarkan ini adalah Max-Cut. (Lihat misalnya Algoritma Aproksimasi oleh Vijay Vazirani.)
Apakah ada sumber atau survei pendidikan yang baik melampaui masalah Max-Cut untuk menjelaskan algoritma pembulatan yang lebih kompleks dan teknik yang digunakan untuk analisis mereka? Saya sedang memikirkan kasus-kasus ketika vektor solusi-SDP tidak terdistribusi secara seragam pada hypersphere, mereka memiliki panjang yang berbeda, atau memiliki sifat lain yang membuat analisis lebih sulit.
8
Saya pikir Anda tidak mendapatkan jawaban, karena benar-benar tidak ada survei yang baik tentang pembulatan SDP :) Sanjeev Arora telah memberikan ceramah survei tentang masalah ini di berbagai tempat; slide-nya ada di sini dan tautan ke beberapa referensi bermanfaat ada di sini . Lovasz telah menulis survei umum tentang pemrograman semidefinite dan optimasi kombinatorial, tetapi ini tidak berfokus pada algoritma aproksimasi.
—
arnab
Terima kasih Arnab. Saya kira tidak ada salahnya untuk bertanya. :) Dan jika ada cukup minat, mungkin orang bisa berpikir tentang menulis sesuatu survei.
—
Michael
Maaf, tautan saya hancur di atas. Tautan pertama adalah ke pikomat.mff.cuni.cz/honza/napio/arora.pdf dan yang kedua ke homepages.cwi.nl/~monique/ow-seminar-sdp dan yang ketiga ke cs.elte.hu/ ~lovasz /semidef.ps
—
arnab
Menambahkan karunia +50 untuk melihat apakah ada pembaruan (atau orang yang sudah mulai menulis survei) sejak saya memposting pertanyaan itu semula.
—
Michael
Tentu, ini bukan survei, tapi saya sangat menyukai kursus ini oleh Sanjeev Arora: mpi-inf.mpg.de/conference/adfocs/material/…
—
Alex Golovnev