Rozważmy wypukłe ciało wyśrodkowane na początku i symetryczne (tj. Jeśli to ). Chcę znaleźć inne ciało wypukłe tak aby i następująca miara zostały zminimalizowane:x ∈ K - x ∈ K L K ⊆ L.
x , gdzie jest punktem losowo wybranym losowo z L.
Nic mi nie jest ze stałym przybliżeniem współczynnika do miary.
Kilka uwag - Pierwsze intuicyjne przypuszczenie, że sama jest odpowiedzią, jest złe. Na przykład należy uważać za cienki cylinder o bardzo dużych wymiarach. Następnie możemy uzyskać tak, że , pozwalając mieć większą objętość zbliżoną do źródła.K L f ( L ) < f ( K ) L
cg.comp-geom
approximation
convex-geometry
Ashwinkumar BV
źródło
źródło
Odpowiedzi:
Jeśli ograniczymy i do obu elipsoid, problem można rozwiązać z dowolną dokładnością za pomocą SDP. Wiem, że nie o to pytałeś pierwotnie, ale wydaje się, że nie mamy rozwiązania nawet w tej ograniczonej sprawie i być może może to w ogóle pomóc.L.K L
Więc powiedzmy, że jest elipsoida wejście i szukamy aby znaleźć optymalną otaczającą elipsoidy . Istnieje mapa liniowa st i mapa st , gdzie jest kulą jednostkową. Następnie . Ponadto , gdzie jest korpus polarny z . Dogodnie i . Wynika, żeE J F E=FB2 G J=GB2 B2 E⊆J⇔J∘⊆E∘E∘EE∘={x:xTFTFx≤1}J∘={x:xTGTGx≤1}J∘⊆E∘E⊆JGTGEx∼J[∥x∥22]=1nTr(GTG) E⊆J⇔J∘⊆E∘ E∘ E E∘={x:xTFTFx≤1} J∘={x:xTGTGx≤1} J∘⊆E∘ (a zatem ) wtedy i tylko wtedy, gdy jest dodatnią macierzą półfinałową.E⊆J GTG−FTF
Zatem SDP jest zdefiniowany przez: biorąc pod uwagę symetryczną macierz PSD , znajdź symetryczną macierz PSD st oznacza PSD i jest zminimalizowane. można znaleźć rozwiązując SDP i wówczas SVD da osi i osi długości .N N - M T r ( N ) N JM N N−M Tr(N) N J
źródło
(Jak wspomniano w komentarzach, następujące podejście nie działa. Uzyskany obiekt nie jest wypukły. Charakteryzuje on obiekt w kształcie gwiazdy o minimalnej oczekiwanej odległości.)
Myślę, że optymalnym obiektem byłoby połączenie i trochę piłki wycentrowanej na początku. Oto moje przemyślenia. Według twojej definicji , gdzie to odległość od początku do powierzchni wzdłuż określonego kierunku. Użyłem zamiast =, ponieważ upuściłem niektóre stałe. Teraz chcemy zminimalizować pod ograniczeniami, któref ( L ) f ( L ) ∼ ∫ S d - 1 ∫ r L 0 x d ( x d / x d L )K f(L) rLL∼g(L)rL≥rKrKg(K)/2ϵ≤g(K)/2-rKg(K)(rL+ϵ)2
Rzeczywiście, rozważ inny wypukły obiekt taki, że . Następnie , ponieważ w przeciwnym razie możemy zwiększyć część wewnątrz aby zmniejszyć . Z drugiej strony, , ponieważ w innym przypadku, według tego samego pomysłu, możemy zmniejszyć część poza aby zmniejszyć . Istnieje więc unikalne optymalne rozwiązanie. g ( K ′ ) = g ( K ) K ∗ ⊆ K ′K′ g(K′)=g(K) K∗⊆K′ K ∗ g ( K ′ ) K ′ ⊆ K ∗ K ′ ∖ K K ∗ g ( K ′ )K′ K∗ g(K′) K′⊆K∗ K′∖K K∗ g(K′)
źródło
Poniższe rozwiązanie opiera się na założeniu / przypuszczeniu [do udowodnienia]:
Przypuszczenie : oczekiwanie funkcji wypukłej na jest mniejsze niż większe między oczekiwaniem na i oczekiwaniem na .K K ′conv(K⋃K′) K K′
[Będziemy potrzebować powyższego tylko dla wypukłych , ale może to być prawda]K,K′
Weź teraz dowolny zestaw i zastosuj do niego obrót wyśrodkowany na początku, uzyskując . Będziesz miał , ponieważ obrót pozostawia długość elementów niezmiennikaJeśli mam rację co do przypuszczenia, . Ponieważ dla każdego optymalnego można rozważyć , gdzie oznacza we wszystkich obrotach i ma , wydaje się, że optymalne można wybrać jako najmniejszą kulę zawierającąR R ( K ) f ( K ) = f ( R ( K ) ) K f ( conv ( K ⋃ R ( K ) ) ) ≤ f ( K ) L L ′ = ⋃ R R ( L ) = conv ( ⋃ R R ( L ) ) ⋃ R f ( LK R R(K) f(K)=f(R(K)) K f(conv(K⋃R(K)))≤f(K) L L′=⋃RR(L)=conv(⋃RR(L)) ⋃R L Kf(L)≥f(L′)≥f(L) L K .
źródło