GNCGCP - 渐进非凸性与渐进凹性过程
计算机视觉与模式识别
2013-08-30 v1
摘要
在本文中，我们提出了渐进非凸性与渐进凹性过程（GNCGCP），作为一种通用优化框架，用于近似求解偏置换矩阵集合上的组合优化问题。GNCGCP 包含两个子过程：实现凸松弛的渐进非凸性（GNC）和实现凹松弛的渐进凹性（GC）。已证明 GNCGCP 精确实现了一种凸 - 凹松弛过程（CCRP），但具有更简单的公式，无需以显式方式进行凸或凹松弛。实际上，GNCGCP 仅涉及目标函数的梯度，因此在实际应用中非常易于使用。我们采用了两个典型的 NP 难问题，即（子）图匹配和二次分配问题（QAP），来展示其简单性和最先进的性能。
引用
@article{arxiv.1308.6388,
title = {GNCGCP - Graduated NonConvexity and Graduated Concavity Procedure},
author = {Zhi-Yong Liu and Hong Qiao},
journal= {arXiv preprint arXiv:1308.6388},
year = {2013}
}