- 子模 + 凹函数
这篇论文研究了函数的最大化问题,其中由凸可解体 $P$ 所定义的一类 $F (x) = G (x)+C (x)$ 函数是凸函数和 DR 子模函数的一个严格扩展,提供了一些算法实现,并在实际应用中进行了验证。
- MM反射哈密顿蒙特卡洛截断对数凹采样
介绍一种名为 Reflective Hamiltonian Monte Carlo (ReHMC) 的 HMC-based 算法,用于从受限于凸体的对数凹分布中进行采样,该算法在高维数据集上表现出色,并在采样时间和精度方面优于其他算法。
- 坐标 Hit-and-Run 的混合时间
研究了 $n$ 维凸体上的随机游走的混合时间,得到了一个多项式上界,并得出该问题一直存在的疑问,即坐标 Hit-and-Run 是否具有多项式混合时间。
- Gibbs 采样收敛:坐标 Hit-and-Run 快速混合
本文研究高维分布的取样方法,提出了基于 Gibbs Sampler 方法的 Coordinate Hit-and-Run 算法,在凸边界的范围内取样效率高且保证收敛。
- 用于估算凸体积的量子算法
本研究提出一种基于 Chebyshev cooling 并利用量子随机游走技术的量子算法,用于估算多维凸包的体积,比已知的经典算法要更快,同时还证明了量子算法所需的查询次数。
- 拉瑟尔测度法与模拟退火法在多项式优化中的比较
比较拉瑟尔测度基于多项式优化的上界和模拟退火得到的上界,发现当优化函数为多项式且约束集为凸集时,拉瑟尔层次结构的收敛速度要快于先前在文献中所知晓的。
- 凸几何与腰不等式
本文研究了 Gromov 的等周腰定理和 Milman 的 M - 椭球对凸体的作用,证明了任何凸体都有体积为 1 的线性映射,并且展示了等周腰不等式与凸体各种几何特征之间的联系。
- 熵障碍:一种简单且最优的通用自协调障碍
本文通过对数凹分布的基本几何和指数族内元素的基础对偶性证明了一致测度空间中凸体均匀测度的 Cramér 变换是一种 $(1+o (1)) n$- 自共轭障碍,改进了 Nesterov 和 Nemirovski 的开创性成果,这为具有最佳自共 - MM体积和高斯体积的高斯冷却和 O*(n^3) 算法
我们提出了一种基于随机化算法的方法,用于估计具有会员 Oracle 的圆满凸体的体积。我们还提供了一种有改进的高斯分布采样算法,并分析了采样复杂性。
- 高斯边缘和超平面猜想
该文探讨了与高维凸体上均匀测度有关的某些著名开放性问题之间的联系,特别地,我们证明了 “薄壳猜想” 意味着 “超平面猜想”,这扩展了 K. 球的结果,即更强的 “谱缝猜想” 意味着 “超平面猜想”。