Goldilocks 与引导

我们研究了无限直线和圆周上概率分布的简化引导问题。我们表明，针对无限直线问题，引导方法的快速收敛与该问题解中的正矩阵最小特征值随矩阵规模增大而指数衰减有关，而矩随之呈阶乘增长。结果是，正性条件被严格调谐。对于圆周问题，我们发现，分布的傅里叶模态正矩阵条目与递归初始数据的线性关系，其系数呈阶乘增长。由正性可得，这些矩阵元受绝对值为1的限制，因此初始数据也必须精确调谐。此外，我们发现可大大规避圆周问题中半正定规划（SDP）的本质，通过认识到这些傅里叶模态必然呈指数衰减。我们提出一种称为“鞋带引导”的简单 ansatz，能够高效识别允许矩阵集合的内点，精度远高于常规 SDP 界限允许。我们将该方法应用于通过数值构造与圆分布相关的正交多项式来求解单位矩阵模型积分。