记录一下自己的理解,不保证正确,欢迎指正。
动机/motivation:
SDR是解决非凸QCQP问题的一个有效工具,能将原始非凸问题松弛为半正定规划问题(凸优化问题)。
规范的SDR应用过程是 将一个齐次的二次目标/二次约束问题(低维) 通过矩阵迹的循环特性 松弛为与一个半正定对称矩阵(高维) 线性相关的形式。半正定规划是一种高维线性规划。
常见的问题是非齐次的,如何把非齐次转换为标准的SDR应用问题,这块还是有点绕的。
首先文献[1]中给出了一种方法:
方法一:
合并一次项,将非齐次方程转换为标准二次型:
原问题:最小二乘问题,含有一次项 常数项(常数项不影响目标函数的特性)
引入辅助变量t,将其配方成标准二次型
然后利用标准SDR去解决新的这个QCQP问题,
,
,
,
优化变量;
求解完Z后,求z,完了再提取x,可能存在秩不为1,通过保留大特征值近似求解。
方法二:
思路:二次项和一次项认为是两个不同的待优化变量。其中二次项通过矩阵的迹变成线性(矩阵)。添加二次和一次之间的约束关系。[2]
原始问题:最小二乘问题
比较重要的一点就是Y与y之间的关系,以及对应的约束建模及松弛手段
等效为
前一个条件等效为
后一个条件非凸,忽略后松弛为凸优化问题
这里的优化变量,
Reference :
[1] Z. Luo, W. Ma, A. M. So, Y. Ye, and S. Zhang, “Semidefinite Relaxation of Quadratic Optimization Problems,” IEEE Signal Processing Magazine, vol. 27, no. 3, pp. 20–34, May 2010, doi: 10.1109/MSP.2010.936019.
[2]G. Wang, Y. Li, and N. Ansari, “A semidefinite relaxation method for source localization using TDOA and FDOA measurements,” IEEE Trans. Veh. Technol., vol. 62, no. 2, pp. 853–862, Feb. 2013, doi: 10.1109/TVT.2012.2225074.