Prof. Dr. Volker Kaibel M.Sc. Jonas Frede
Wintersemester 2019/2020
Einf¨ uhrung in die Mathematische Optimierung – Blatt 6
www.math.uni-magdeburg.de/institute/imo/teaching/wise19/emo/
Abgabe in der ¨Ubung am 05.12.2019 oder vorher in G02-207a
Aufgabe 1 (4 Punkte)
Wir betrachten das folgende konvexe Optimierungsproblem:
min x2+y2+z2
s.t. (x−5)2+ (y−5)2+z2 ≤ 10
−x+y = 4
Konstruiere dazu das Tripel (X0,(gi)i∈[m],(hi)i∈[p]) und zeige die Regularit¨at.
Rate eine Optimall¨osung (sie ist ganzzahlig) und beweise die Optimalit¨at mit Hilfe der Karush-Kuhn-Tucker Bedingungen.
Aufgabe 2 (5 Punkte)
Eine wichtige Klasse von konvexen Optimierungsproblemen zwischen der linearen und der semidefiniten Optimierung wird von den Problemen gebildet, bei welchen die Zielfunktion f und die Nebenbedingungsfunktionen gi affin sind, und die Menge X0 das kartesische Produkt von Lorentz-Kegeln (second-order cone) der Form
Lq∶=
⎧⎪
⎪⎪
⎨
⎪⎪
⎪⎩
x∈Rq∶xq ≥
¿ Á Á À
q−1
∑
i=1
x2i
⎫⎪
⎪⎪
⎬
⎪⎪
⎪⎭
mit q≥1 ist (second-order programs (SOPs)).
Zeige, dass die Klasse der SDPs die SOPs als Sonderfall enth¨alt, indem Du
x∈Lq ⇐⇒
⎛
⎜⎜
⎜
⎝
xq . . . x2 x1
⋮ ⋱ x2 xq
x1 xq
⎞
⎟⎟
⎟
⎠
∈Sq+
nachweist (leere Eintr¨age haben den Wert 0).
Aufgabe 3 (4 Punkte)
Zeige, wie ein konvex-quadratisches Minimierungsproblem, bei dem die Zielfunktion und die Nebenbedingungen konvexe quadratische Funktionen sind, als SOP formuliert werden kann. Dazu gen¨ugt es, folgendes zu zeigen:
Ist durch g(x) =x⊺Bx+ ⟨c, x⟩ +δ (mit B ∈Sn+, c∈Rn, δ ∈R) eine konvexe quadratische Funktion g∶Rn→R definiert, so gilt f¨ur B=D⊺D mit D∈Rrang(B)×n und alle x∈Rn:
g(x) ≤0 ⇐⇒ (2Dx,1+ ⟨c, x⟩ +δ,1− ⟨c, x⟩ −δ) ∈Lrang(B)+2
S. 1/2
Einf¨uhrung in die Mathematische Optimierung – Blatt 6 S. 2/2
Aufgabe 4 (4+2 Punkte)
Die aus Aufgabe 3 des letzten ¨Ubungsblattes bekannte Formulierung f¨ur Projektionen von Polyedern bildet u.a. die Grundlage f¨ur einen Algorithmus, der testet, ob ein gegebenes Polyeder P =P≤(A, b) ⊆Rn leer ist. Dazu konstruieren wir die Projektion auf die ersten n−1 Variablen, welche genau dann leer ist, wenn P = ∅ ist. Da das Problem f¨ur n =1 trivial ist, ergibt sich ein einfaches rekursives Verfahren.
Seien (x, y) ∈ Rn−1 ×R die Variablen und Px die genannte Projektion (d.h. das Bild der Projektionsabbildung). Finde eine endliche Beschreibung des Polyeders Px (durch Ungleichungen), indem Du ein endliches Erzeugendensystem f¨ur denProjektionskegel (der Kegel K aus Aufgabe 3 des letzten ¨Ubungsblattes) aufstellst.
Zeige außerdem, wie man aus einer L¨osung ̃x∈Px eine L¨osung (̃x,y) ∈̃ P konstruiert.
Hinweis: Das Verfahren nennt man Fourier-Motzkin-Elimination.