RIS的相位优化中，离散相位优化总结

参考An Overview of Signal Processing Techniques for
RIS/IRS-aided Wireless Systems中的Optimization Techniques for Discrete Phase Shifts部分

An Overview of Signal Processing Techniques for RIS/IRS-aided Wireless Systems关于Optimization Techniques for Discrete Phase Shifts.中Optimization Techniques for Discrete Phase Shifts的部分，文章总结归纳的可以说是十分全面了，

这是一个NP-hard问题

Rounding method

首先求出满足单位模约束的连续解。

四舍五入为最接近的离散值

Binary mode selection method

优化问题的目标函数可以被变换为函数${\phi }_m,\cos \left({\phi }_m\right)\text{ and }\sin \left({\phi }_m\right)$
对于每个反射单元$m$，引入二值化向量${\mathbf{x}}_m={\left[x_{1,m},\cdots ,x_{L,m}\right]}^T$使得满足 ∑ l = 1 L x l , m = 1 , x l , m ∈ { 0 , 1 } \sum_{l=1}^{L} x_{l, m}=1, x_{l, m} \in\{0,1\} ∑l=1L​xl,m​=1,xl,m​∈{0,1}
${\mathbf{x}}_m$是一个模式选择向量

在（84）的基础上，将原优化问题转化为二元变量优化问题，利用分支定界branch
and bound（BnB）方法可以得到全局最优解[135]。
然而，BnB方法具有指数计算复杂度。为了降低复杂度，[139]的作者提出应用SCA方法。具体地，对$x_{L,m}$的二元约束可以等价地变换为以下两个连续约束

（85）中的第一个约束是两个凸函数之间的差，可以使用SCA方法。

Negative square penalty (NSP)

启发式算法

粒子群算法等启发式算法