含噪数据线性规划的原始-对偶路径跟踪方法与信赖域更新策略
最优化与控制
2021-02-23 v4 机器学习
数值分析
动力系统
数值分析
摘要
本文考虑标准线性规划问题的原始-对偶路径跟踪方法与信赖域更新策略。对于带有小噪声数据的秩亏问题，我们给出基于列主元QR分解的预处理方法。然后，我们证明当初始点严格原始-对偶可行时新方法的全局收敛性。最后，对于来自NETLIB库的带有或不带小噪声数据的若干秩亏问题，我们将其与另外两种流行的内点法，即MATLAB环境中的子程序pathfollow.m和内置子程序linprog.m进行比较。数值结果表明，对于带小噪声数据的秩亏问题，新方法比另外两种方法更鲁棒。
引用
@article{arxiv.2006.07568,
title = {Primal-dual path-following methods and the trust-region updating strategy for linear programming with noisy data},
author = {Xin-long Luo and Yi-yan Yao},
journal= {arXiv preprint arXiv:2006.07568},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2006.02634