Zadání zkoušky z konvexní optimalizace dne

Transkript

1 Zadání zkoušky z konvexní optimalizace dne Termín odevzdání: do 9,00 hodin dne , buď mailem nebomnědorukounakatedřealgebryvsobotumezi8,45-9,00 Celkově je ze zkoušky možné získat 52 bodů. Správné řešení příkladů 1,2,3 a správná formulace příkladu 4 jako úlohy lineárního programování jsou nutné podmínky pro složení zkoušky(nikoliv však postačující). Další nutnou podmínkou je získání aspoň 26 bodů. Všechny uvedené nutné podmínky jsou dohromady také postačující. Dlouhé a složité výpočty nebudu luštit. Pište řešení jasně a přehledně. Zkoušku řešte zcela samostatně, bez vzájemných konzultací. Používat můžete jakoukoliv literaturu. Případné dotazy k formulacím úloh mi pošlete mailem na adresu tumaatkarlin.mff.cuni.cz do 11 hodin dne Odpovím pokud možno obratem. Budete-li odevzdávat řešení mailem, pošlete každý příklad jako samostatný soubor s názvem KO prijmeni cislo, pozor na pořadí stránek! Všechny soubory pošlete zazipované v jednom balíku. Budete-li odevzdávat osobně na katedře algebry, naskenované odpovědi si také uložte do svého počítače. Vřešeníbytakémělybýtvšechnyprogramy,kteréuněkterýchúlohnapíšetea použijete. Budu-lisněkýmzváschtíthovořitvpondělí poobědě,napíšuVámčas mailem nejpozději v neděli večer. 1

2 2 Příklad1.1bod Pro a = (a 1,a 2,...,a k ) R k označíme f(t) = a 1 + a 2 t +...,a k t k 1. Jemnožina {a R k : p(0) = 1, p(t) < 1prokaždé t > 0}konvexní?Odpověď dokažte. Příklad2.1bod Dokažte,žemnožina D R n jekonvexníprávěkdyžplatí αd + βd = (α + β)d prokaždádvěreálnáčísla α,β 0. Příklad 3. 3 body Logaritmická bariéra pro kužel druhého řádu Dokažte,žefunkce f(x,t) = log(t 2 x T x)definovanánamnožinědom f = {(x,t) R n R : t > x 2 },tj.nakuželudruhéhořádu,jekonvexní.můžete toudělatnapříkladtak,žespočítátehessiánfunkce fadokážete,žejevkaždém bodě definičního oboru f pozitivně semidefinitní. Nebo to můžete také udělat pomocí následující posloupnosti jednoduchých kroků. Každý z nich ale musíte pečlivě odůvodnit. (1) Funkce (u T u)/tdefinovanána R n R ++ jekonvexní, (2) funkce t (u T u)/tdefinovanánadom fjekonkávní, (3) funkce log ( t (u T u)/t ) definovanánadom fjekonvexní, (4) funkce f je konvexní. Příklad 4. 6 bodů Optimalizace spotřeby energie Uvažujemelineárnídynamickýsystémsestavovýmivektory x(t) R n avnějšími vstupy u(t) Rpro t = 0,1,...,N.Jehovývojjedanýrekurentníformulí x(t + 1) = Ax(t) + bu(t), t = 0,1,...,N 1, kde A R n n jedanámaticeab Rjedanéreálnéčíslo. Mezivšemimožnýmiposloupnostmivstupů u = (u(0),u(1),...,u(n 1)) T R N najdětetakovou,kteráminimalizujespotřebuenergiedefinovanoujako E = N 1 i=0 f(u(t)) zapodmínek,žepočátečnístav x(0) = 0acílovýstav x(n) = z R n.

3 3 Funkce f : R Rudáváenergetickounáročnostvstupu a Rpředpisem { a je-li a 1, f(a) = 2 a 1 je-li a > 1. Napřed úlohu zformulujte jako úlohu lineárního programování(lp) a potom ji pomocí CVX vyřešte pro konkrétní hodnoty vstupních dat A = 1 0 0, b = 0, z = 2, N = Nakreslete hodnoty vstupů u(t) do grafu, vodorovná osa je t, svislá u(t). Třeba pomocí příkazu plot nebo něčeho podobného. Příklad 5. 7 bodů Volba rychlostí praotce Janečka Pračlověk Janeček potřebuje postupně roznést vzkazy mezi spřátelené tlupy pralidí, se kterými se snaží vytvořit celoevropskou protineandrtálskou unii. Tlupy se nacházejína n + 1různýchmístechoznačených 0,1,2,...,n.Vzdálenostmezitlupami i 1aije d i.potrasedélky d i sejanečekpohybujekonstantnírychlostí v i.vzhledem k různým obtížnostem terénů mezi různými tlupami jsou možné konstantní pro i = 1,2,...,n. Začínáu0-tétlupyvčase t = 0.Ktlupě 1dorazívčase t 1 = d 1 /v 1.Zařvevzkaz abezzastávkypokračujevcestěktlupě 2.Knídorazívčase t 2 = t 1 + d 2 /v 2,atd. Kposlední n-tétlupětakdorazívčase t n = t n 1 +d n /v n.vzhledemktomu,žejde okočovnétlupy,každáznichsenacházínamístě ipouzevčasech t i,kterémusí rychlosti v i omezenénaintervaly v min i býtvintervalech t min i < v i < v max i < t i < t max i,jinaksetlupavydánadalšípochod,anižbyji pan Janeček zastihnul. Během svých přesunů pan Janeček spotřebovává potraviny v závislosti na rychlosti svého pohybu, tato závislost je popsána nějakou rostoucí konvexní funkcí f : R + R ++. Vstupnídataproúlohujsou n,vektorvzdáleností d = (d 1,d 2,...,d n ) T,vektory v min, v max omezujícívektorrychlostí v = (v 1,v 2,...,v n ) T,vektory t min, t max omezujícímožnéčasy t = (t 1,t 2,...,t n ) T,afunkce f.vašímúkolemjenavrhnout panujanečkovirychlosti v i tak,abysepohybovalpovolenýmirychlostmivkaždém úseku,nakaždémístodorazilvčase,kdysenaněmpříslušnátlupavyskytuje,a aby jeho celková spotřeba potravin během cesty byla co nejnižší. (1) Formulujte tuto úlohu jako úlohu konvexní optimalizace. Pokud zavedete nové optimalizované proměnné, vysvětlete jak z nových proměnných dostaneteproměnné v 1,v 2,...,v n.pečlivěodůvodnětekonvexituúčelovéfunkce a všech omezujících podmínek, (2) vyřešte úlohu s konkrétními daty, která najdete v souboru janecek data.txt afunkcí f(v) = v 2 + 6v + 10, (3) uveďte jaká je celková spotřeba potravin pro optimální řešení nalezené v bodu(2), (4) nalezený optimální vektor v znázorněte graficky např. pomocí funkce step z knihovny mathplotlib v Pythonu.

4 4 Příklad6.4body Máme(primární) optimalizační úlohu minimalizujte f 0 (x) kde x R n zapodmínek f i (x) < 0, i = 1,2,...,m l i < x i < u i, i = 1,2,...,n. Označíme µ R n +vektorlagrangeovýchmultiplikátorůpříslušnýchnerovnostem x i < u i a ν R n +vektorlagrangeovýchmultiplikátorůpříslušnýchomezujícím nerovnostem l i < x i.potomlagrangiánúlohyje m L(x,λ,µ,ν) = f 0 (x) + λ i f i (x) + µ T (x u) + ν T (l x), i=1 kde u = (u 1,u 2,...,u n ) T a v = (v 1,v 2,...,v n ) T. (1) Dokažte,žeprokaždé x R n akaždývektor λ = (λ 1,λ 2,...,λ m ) T R m existujívektory µ R n ++ a ν R n ++ takové,že xminimalizujefunkci L(x, λ, µ, ν), a pomocí tohoto tvrzení popište množinu všech přípustných bodů pro duální úlohu(i.e. dual feasible points), (2) sestrojte přípustný bod (λ, µ, ν) pro duální úlohu(i.e. dual feasible point) svyužitímvýsledkuzbodu(1)pomocívolby x = (l +u)/2aλ=0.odtud odvoďtedolnímezprooptimálníhodnotu f primárníúlohy.ukažte,že tuto dolní mez můžete vyjádřit ve tvaru f > f 0 ((l + u)/2) ((u l)/2) T f 0 ((l + u)/2) kde a provektor a = (a 1,a 2,...,a n ) T R n označujevektorabsolutníchhodnot ( a 1, a 2,..., a n ) T.Umělibystetutodolnímeztakédokázat přímo? Příklad7.2body Uvažujeme optimalizační úlohu minimalizujte log detx +trace (SX) kde X S n ++ za podmínky X je tridiagonální sdanoumaticí S S n.matice A = (a ij ) S n jetridiagonální,pokudobsahuje nenulové prvky pouze na hlavní diagonále, těsně nad hlavní diagonálou, a těsně pod hlavnídiagonálou.dokažte,žeoptimálníhodnotamatice X opt splňuje (X 1 opt) ij = S ij,pokud i j < 1. Příklad 8. 8 bodů Po částech lineární regrese Jsou-lidánareálnáčísla a 0 < a 1 < < a K,pakreálnoufunkci f definovanou nauzavřenémintervalu [a 0,a K ]nazývámepočástechlineárnísuzlovýmibody a 0,a 1,...,a K,je-lilineární(nebopřesnějiafinní)nakaždémuzavřenémintervalu [a i,a i+1 ]pro i = 0,1,...,K 1.Nynímámedánadata (x i,y i ) R 2, i = 1,2,...,m, splňující a 0 x i a K prokaždé i.chcemenajítkonvexnípočástechlineárnífunkci

5 5 fsuzlovýmibody a 0,a 1,...,a K,kterátatodataconejlépeaproximujevesmyslu metody nejmenších čtverců, tj. která minimalizuje reziduum m (f(x i ) y i ) 2. i=1 Návod. Je třeba najít vhodné optimalizované proměnné, které parametrizují funkci f, a omezující podmínky, které zajistí její konvexitu. Úlohu pak vyřešte pro data uložená v souboru PL data fitting.txt. Všechna čísla x i jsouzuzavřenéhointervalu [0,1].Úlohuvyřeštepostupněpro K = 1,2,3,4 spravidelněrozmístěnýmiuzlovýmibodyvintervalu [u 0 = 0,u K = 1].Například pro K = 4jsouuzlovébody u 0 = 0,u 1 = 0.25,u 2 = 0.5,u 3 = 0.75au 4 = 1. Uveďte vždy hodnotu rezidua nejlepší aproximace a nakreslete data v rovině spolu s optimální po částech lineární funkcí f, kterou jste našli. Příklad 9. 6 bodů Nejširší pás oddělující dvě množiny JsoudánydvěpodmnožinyvR n :polyedr C = {x R n : Ax b}, kdematice A R m n avektor b R m,adáleelipsoid D = {P u + q : u 1} definovanýmaticí P R n n avektorem q R n.předpokládáme,žemnožiny C,D jsou neprázdné a disjunktní. Zajímá nás optimalizační problém maximalizujte inf{a T x : x C} sup{a T x : x D} zapodmínky a 2 = 1, vzhledemkproměnné a R n. Vysvětlete, např. obrázkem, geometrickou interpretaci této úlohy. Zformulujte tento problém jako nějaký standardní optimalizační problém, např. LP(lineární programování), QP(kvadratické programování), SOCP(second-order cone programming), SDP(semidefinitní programování)... Příklad bodů Efektivní numerická metoda pro regularizované nejmenší čtverce Řešíme úlohu na regularizované nejmenší čtverce s vyhlazováním(smoothing) k minimalizujte i=1 (at i x b i) 2 + δ n 1 i=1 (x i x i+1 ) 2 + η n i=1 x2 i, kde x R n jeoptimalizovanáproměnná, a i R n jsoudanévektory,aδ,η > 0jsou regularizační parametry. (1) Vyjádřete podmínku optimality pro tuto úlohu ve tvaru soustavy lineárních rovnic v proměnné x(říká se jí také soustava normálních rovnic).

6 6 (2) Nyní budeme předpokládat, že k n. Navrhněte efektivní metodu jak vyřešit soustavu normálních rovnic pro tuto úlohu, spočítejte přibližný odhad počtu aritmetických operací(flops) pro vaši metodu a porovnejte jej s odhadem počtu aritmetických operací v případě, že matice soustavy normálních rovnic je obecná regulární matice. (3) Dobrovolné. Budete-li mít čas a chuť, vygenerujte si náhodně instanci tétoúlohysparametry k = 100, n = 4000, δ = η = 1.Vyřeštesoustavu normálních rovnic pro vygenerovanou instanci problému pomocí vámi navrženého efektivního algoritmu a porovnejte časovou náročnost s řešením téže soustavy pomocí standardního algoritmu fungujícího pro jakoukoliv regulární matici řádu n(např. Gaussovo eliminací). Příklad bodů Steganografická síť Náš nepřítel si vytvořil steganografickou síť sestávající z n uzlů(vrcholů) a m steganografických kanálů(hran), každý spojuje vždy dva různé uzly(vrcholy). Celou nepřítelovu síť tedy lze popsat jako orientovaný graf bez smyček s n vrcholy a mhranami.pomocítétosítěchcepředatzprávuzezdrojovéhouzlu 1docílovéhouzlu n.prokaždýkanál(hranu) jznápravděpodobnost p j,žezprávanebude při přenosu kanálem j odhalena. Odhalení zpráv v různých kanálech jsou nezávislé události, takže pravděpodobnost, že nepřítel nebude odhalen při přenášení zprávy zpočátečníhouzlu 1docílovéhouzlu n,serovná j P p j,kde Pjemnožinapoužitýchkanálůnacestěod 1do n.nazákladěznámýchpravděpodobností p j sitak můžespočítatmaximálníhodnotupravděpodobnostineodhalenízprávy F max přes všechny možné cesty z 1 do n v jeho steganografické síti. Pravděpodobnost neodhalení zprávy při přenosu kanálem j závisí na tom, kolik investujeme do stegoanalýzy tohoto kanálu. Použijeme jednoduchý model, kde investice x j R + dostegoanalýzykanálu jznamenápravděpodobnost p j = e ajxj, žezprávuprocházejícíkanálem jneodhalíme,přičemž a j R ++ pro j = 1,2,...,m do stegoanalýzykanálu jacelkovýrozpočet B,dokteréhosemusímevejít,tj.pronaše investicedostegoanalýzykanálůvsítimusíplatit m j=1 x j B. (1) Vysvětlete, jak vyřešit problém volby investic x do stegoanalýzy kanálů v sítitak,abypravděpodobnost F max,žezprávuneodhalíme,bylaconejmenší. Oceníme, když použijete nějaký postup, který bude založený na vyčíslenívšechmožnýchcestz1do nvgrafusítě.můžetetonapříkladzkusit tak,ženajdetemaximálníhodnoty F i součinů j P i p j,přesmnožinu P i všechmožnýchcestzezdrojovéhouzlu 1douzlu i.tj. F max = F n. (2) Cesty v orientovaném grafu bez smyček lze dobře popsat pomocí matice C = (c ij ),kde jsoudanáčísla.dálemámeomezenínamaximálnímožnouinvestici x max j 1 pokud i je počáteční vrchol hrany j c ij = +1 pokud i je koncový vrchol hrany j 0 v ostatních případech Vkaždémsloupcimatice Cjetedyprávějedenprvek 1,právějeden 1a ostatníprvkyjsou 0.Čemuserovná j-tásložkasoučinu C T zprovektor z R m?

7 (3) Použijtesvojimetoduknalezenívektoru x R m,kterýminimalizujehodnotu F max vpřípaděkonkrétnísítěsn=10uzly(vrcholy) 1,2,...,10 a m = 20hranami (1,2),(1,3),(1,4),(2,3),(2,4),(2,6),(3,5),(3,6),(4,6), (4,7),(5,7),(5,8),(6,7),(6,8),(7,8),(7,9),(7,10),(8,9),(8,10),(9,10).Hodnotuvektoru a R m ++sizvoltenáhodnětak,abyjehojednotlivésložkybyly vybrány uniformně z otevřeného intervalu (0, 1). Podobně vygenerujte vektor x max R n ++vetvaru x max = 1 + b R n ++,kde 1 R m jevektor, který má všechny složky rovné 1 a b je opět náhodný vektor, jehož jednotlivé složky jsou vybrány uniformně z otevřeného intervalu (0, 1). Nakonec položte B = m/2.porovnejteoptimálníhodnotu F max shodnotou F max v případě, kdy zvolíme vektor x = (B/m)1, tj. když do stegoanalýzy každého kanálu investujeme stejnou částku. 7