Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Numerical Algorithms
Erschienen in: Numerical Algorithms 3/2021

27.04.2020 | Original Paper

Extension of the LP-Newton method to conic programming problems via semi-infinite representation

verfasst von: Mirai Tanaka, Takayuki Okuno

Erschienen in: Numerical Algorithms | Ausgabe 3/2021

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The LP-Newton method solves linear programming (LP) problems by repeatedly projecting a current point onto a certain relevant polytope. In this paper, we extend the algorithmic framework of the LP-Newton method to conic programming (CP) problems via a linear semi-infinite programming (LSIP) reformulation. In this extension, we produce a sequence by projection onto polyhedral cones constructed from LP problems obtained by finitely relaxing the LSIP problem equivalent to the CP problem. We show global convergence of the proposed algorithm under mild assumptions. To investigate its efficiency, we apply our proposed algorithm and a primal-dual interior-point method to second-order cone programming problems and compare the obtained results.
Vorheriger Artikel Column-oriented algebraic iterative methods for nonnegative constrained least squares problems
Nächster Artikel Fixing and extending some recent results on the ADMM algorithm

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Ben-Tal, A., Nemirovski, A.: Lectures on Modern Convex Optimization. SIAM (2001)
2.
Boyd, S., Vandenberghe, L.: Convex Optimization. Cambridge University Press, Cambridge (2004)
3.
Chen, X., Tseng, P.: Non-interior continuation methods for solving semidefinite complementarity problems. Math. Program. 95, 431–474 (2003)MathSciNetCrossRef
4.
Faraut, J., Koranyi, A.: Analysis on Symmetric Cones. Oxford University Press, Oxford (1994)
5.
Fujishige, S., Hayashi, T., Yamashita, K., Zimmermann, U.: Zonotopes and the LP-Newton method. Optim. Eng. 10, 193–205 (2009)MathSciNetCrossRef
6.
Hayashi, S., Okuno, T., Ito, Y.: Simplex-type algorithm for second-order cone programmes via semi-infinite programming reformulation. Optim. Methods Softw. 31, 1272–1297 (2016)MathSciNetCrossRef
7.
Hayashi, S., Yamashita, N., Fukushima, M.: A combined smoothing and regularization method for monotone second-order cone complementarity problems. SIAM J. Optim. 15, 593–615 (2005)MathSciNetCrossRef
8.
Hettich, R., Kortanek, K. O.: Semi-infinite programming: theory, methods, and applications. SIAM Rev. 35, 380–429 (1993)MathSciNetCrossRef
9.
Huang, Z.H., Ni, T.: Smoothing algorithms for complementarity problems over symmetric cones. Comput. Optim. Appl. 45, 557–579 (2010)MathSciNetCrossRef
10.
Kitahara, T., Mizuno, S., Shi, J.: The LP-Newton method for standard form linear programming problems. Oper. Res. Lett. 41, 426–429 (2013)MathSciNetCrossRef
11.
Kitahara, T., Sukegawa, N.: A simple projection algorithm for linear programming problems. Algorithmica 81, 167–178 (2019)MathSciNetCrossRef
12.
Kitahara, T., Tsuchiya, T.: An extension of Chubanov’s polynomial-time linear programming algorithm to second-order cone programming. Optim. Methods Softw. 33, 1–25 (2018)MathSciNetCrossRef
13.
Lobo, M.S., Vandenberghe, L., Boyd, S., Lebret, H.: Applications of second-order cone programming. Linear Algebra Appl. 284, 193–228 (1998)MathSciNetCrossRef
14.
15.
Lourenço, B.F., Kitahara, T., Muramatsu, M., Tsuchiya, T.: An extension of Chubanov’s algorithm to symmetric cones. Math. Program. 173, 117–149 (2019)MathSciNetCrossRef
16.
Monteiro, R.D.C., Tsuchiya, T.: Polynomial convergence of primal-dual algorithms for the second-order cone program based on the MZ-family of directions. Math. Programm. 88, 61–83 (2000)MathSciNetCrossRef
17.
Muramatsu, M.: A pivoting procedure for a class of second-order cone programming. Optim. Methods Softw. 21, 295–315 (2006)MathSciNetCrossRef
18.
Nesterov, Y., Nemirovski, A.: Interior-Point Polynomial Methods in Convex Programming. SIAM (1994)
19.
20.
Skajaa, A., Ye, Y.: A homogeneous interior-point algorithm for nonsymmetric convex conic optimization. Math. Program. 150, 391–422 (2015)MathSciNetCrossRef
21.
22.
Tütüncü, R.H., Toh, K.C., Todd, M.J.: Solving semidefinite-quadratic-linear programs using SDPT3. Math. Program. 95, 189–217 (2003)MathSciNetCrossRef
23.
Wilhelmsen, D.R.: A nearest point algorithm for convex polyhedral cones and applications to positive linear approximation. Math. Comput. 30, 48–57 (1976)MathSciNetMATH
24.
25.
Zhadan, V.: Two-phase simplex method for linear semidefinite optimization. Optim. Lett. 13, 1969–1984 (2019)MathSciNetCrossRef
Metadaten
Titel
Extension of the LP-Newton method to conic programming problems via semi-infinite representation
verfasst von
Mirai Tanaka
Takayuki Okuno
Publikationsdatum
27.04.2020
Verlag
Springer US
Erschienen in
Numerical Algorithms / Ausgabe 3/2021
Print ISSN: 1017-1398
Elektronische ISSN: 1572-9265
DOI
https://doi.org/10.1007/s11075-020-00933-6

Weitere Artikel der Ausgabe 3/2021

Numerical Algorithms 3/2021 Zur Ausgabe

Original Paper

On the numerical structure preservation of nonlinear damped stochastic oscillators

Original Paper

Explicit pseudo two-step exponential Runge–Kutta methods for the numerical integration of first-order differential equations

Original Paper

Convergence and dynamics of improved Chebyshev-Secant-type methods for non differentiable operators

Original Paper

On constrained optimization with nonconvex regularization

Original Paper

Diagonal quasi-Newton methods via least change updating principle with weighted Frobenius norm

Original Paper

Proving endpoint dependence in solving interval parametric linear systems