Quando si progettano algoritmi di approssimazione, a volte si risolve un programma semidefinito seguito da una fase di arrotondamento. Un esempio spesso usato per illustrare questo è Max-Cut. (Vedi ad esempio algoritmi di approssimazione di Vijay Vazirani.)
Esistono buone fonti educative o sondaggi che vanno oltre il problema di Max-Cut per spiegare algoritmi e tecniche di arrotondamento più complessi utilizzati per la loro analisi? Sto pensando a casi in cui i vettori della soluzione SDP non sono distribuiti uniformemente su un'ipersfera, hanno lunghezze diverse o hanno altre proprietà che rendono più difficile l'analisi.
8
Penso che non si ottengano risposte, perché in realtà non esistono buoni sondaggi sull'arrotondamento degli SDP :) Sanjeev Arora ha tenuto un discorso di indagine sull'argomento in vari luoghi; le sue diapositive sono qui e i collegamenti a numerosi riferimenti utili sono qui . Lovasz ha scritto un sondaggio generale sulla programmazione semidefinita e l'ottimizzazione combinatoria, ma questo non è focalizzato sugli algoritmi di approssimazione.
—
Arnab,
Grazie Arnab. Immagino che non faccia mai male chiedere. :) E se c'è abbastanza interesse in giro, forse si potrebbe pensare di scrivere qualcosa di sondaggio.
—
Michael,
Mi dispiace, i miei collegamenti sono stati alterati sopra. Il primo link era a pikomat.mff.cuni.cz/honza/napio/arora.pdf e il secondo a homepages.cwi.nl/~monique/ow-seminar-sdp e il terzo a cs.elte.hu/~lovasz /semidef.ps
—
arnab il
Aggiunta una taglia +50 per vedere se ci sono aggiornamenti (o persone che hanno iniziato a scrivere sondaggi) da quando ho pubblicato la domanda in origine.
—
Michael
Certo, non è un sondaggio, ma mi è piaciuto molto questo corso di Sanjeev Arora: mpi-inf.mpg.de/conference/adfocs/material/…
—
Alex Golovnev,