指数圆锥松弛用于指数几何规划
最优化与控制
2024-06-11 v1
摘要
指数几何规划 (SGP) 是一类计算具有挑战性的、NP-Hard 的非凸非线性优化问题。SGP 可使用一系列凸松弛进行迭代求解；因此，此类松弛的强度是这一迭代方法的重要因素。受最近解决指数圆锦规划 (ECP) 问题的最新进展启发，本文发展了一种新的 SGP 凸松弛。与现有松弛工作不同，本文中的基模型不假设变量有界。然而，可以使用额外的有效线性不等式来增强以有界变量或单项式项为特征的松弛。我们展示如何将 ECP 松弛嵌入 SGP 的迭代算法中；利用最近在内点方法求解器方面的进展，我们的计算实验表明该方法在实际操作中具有有效性。
引用
@article{arxiv.2406.05638,
title = {Exponential Conic Relaxations for Signomial Geometric Programming},
author = {Milad Dehghani Filabadi and Chen Chen},
journal= {arXiv preprint arXiv:2406.05638},
year = {2024}
}
备注
26 pages, 2 figures