blockchain9miner的博客

本文研究了随机投影在受线性不等式和欧几里得球约束的二次规划（QP）问题中的应用。通过构造低维投影问题，证明了在一定条件下，投影后的QP问题能够以高概率近似保留原始问题的最优解。文章给出了理论分析，包括可行性与目标值的近似界，并通过投资组合优化和约束线性回归等实际应用案例验证了方法的有效性。结果表明，随机投影可显著降低计算复杂度，同时保持良好的近似性能，为高维有界QP问题提供了可行的求解路径。

本文探讨了最大完工时间调度问题的和平方（SoS）方法，通过引入表示论工具打破对称性以增强求解能力。文章从对称群作用下的多项式环结构出发，构建调度理想的生成集，并提出高次伪期望算子用于近似求解。通过引入打破对称性的线性不等式约束与α-平衡划分，结合条件伪期望的舍入技术，设计出基于SoS层次的SDP近似算法。最终实现对长作业的精确调度与短作业的贪婪补充，形成高效的字典序调度方案。

本文研究了平方和（SoS）层次结构在相同机器最小完工时间调度问题中的应用，揭示了问题对称性对松弛质量的负面影响。研究表明，在配置线性规划上即使应用Ω(n)轮SoS，整性间隙仍至少为1.0009。通过引入打破机器对称性的不等式，本文证明仅需Oε(1)轮SoS即可获得整性间隙至多(1+ε)的凸松弛，显著提升了近似性能。结果突显了对称性在SoS方法中的阻碍作用，并提出有效的对称性打破策略，为解决具有对称性的组合优化问题提供了新思路。

本文深入探讨了加权合作匹配博弈中核仁的多项式时间计算方法，特别是在核心为空的情况下。通过引入通用匹配与通用分配的概念，结合Edmonds匹配多面体理论和线性规划重构技术，给出了最小核心的紧凑描述，并实现了Maschler方案的高效求解。文章总结了关键引理与计算步骤，通过示例验证了方法的有效性，同时指出了b-匹配博弈核仁复杂度和组合算法设计等开放问题，为后续研究提供了方向。

本文研究了加权合作匹配博弈中核仁的多项式时间计算问题，解决了该领域长期存在的开放难题。通过引入通用匹配概念和关键对称性引理，为Maschler方案中的每一步线性规划提供了紧凑的多项式大小公式，从而实现了在多项式时间内高效计算核仁。文章系统阐述了最小核心、核心非空性判断、Maschler迭代过程及复杂度分析，推动了合作博弈论在匹配结构上的算法进展。

本文研究了基于有限精度预言机的线性规划求解算法，重点介绍了迭代细化算法、带基验证的预言机算法以及有理重构算法。迭代细化算法通过逐步缩小残差误差来逼近最优解，适用于快速获取近似解的场景；带基验证算法通过精确验证基的最优性，能够计算出精确的基本解，在多数情况下表现出更优的性能；有理重构算法则利用高精度近似解尝试重构精确最优解，特别适用于解具有规律性分母的问题。文章详细分析了各算法的操作步骤、复杂度及收敛性，并通过实验对比了SoPlexfac与SoPlexrec等实现方案在不同精度需求下的表现，结果表明带基验证方

本文探讨了线性规划中精确有理数解的求解方法，重点分析了基于有限精度LP oracle的迭代细化技术。传统方法依赖高精度计算导致成本高昂，而本文介绍的改进算法结合双精度浮点运算与有理数重构，在保证精度的同时显著提升效率。通过引入输出敏感机制，算法在处理实际稀疏问题时表现出更优的性能。实验结果显示，该方法在迭代次数、运行时间和解的精度方面均优于传统方法，为线性规划的精确求解提供了高效可行的新路径。

本文研究了可分解混合整数非线性规划（Factorable MINLP）中的交集割平面方法，提出了一种无需凸低估函数即可构建有效切割的策略。通过构造凹低估函数、利用变量边界信息扩大S-自由集，并引入幺半群强化技术，增强了切割平面的有效性。文章详细阐述了函数分解下的凹估计器构建规则、基于边界的集合扩展理论以及在整数变量约束下析取割的强化机制，为MINLP问题提供了新的求解思路。尽管部分强化过程计算成本较高，但该框架为后续研究最大S-自由集与结构化切割设计奠定了基础。

本文探讨了多汇点网络中的最早到达转运（EAT）问题与可分解混合整数非线性规划（MINLP）中交集割平面方法的理论结合。在动态网络流方面，研究了基于时间扩展网络的静态字典序最大流（lex-max流）与EAT解的关系，并通过引理分析了满足特定流量约束的充要条件，指出两汇点情形下EAT解的存在性判定为NP难。在MINLP优化方面，提出了一种基于等价非线性约束和凸包性质生成交集割平面的方法，并引入加强机制，利用变量边界与非基本变量的整数性提升割平面有效性。文章融合网络流理论与非线性整数规划技术，为复杂优化问题提供了

本文研究了多汇点动态网络中的最早到达转运（EAT）问题，针对自然灾害背景下的高效疏散需求，提出了紧EAT问题的求解理论与算法。通过引入次模函数γ_T和字典序最大最早到达流（lex-max EAF），建立了问题有解的充要条件，并设计了可在多项式空间内运行的算法来判断解的存在性并构造解。对于一般网络，通过超级源点/汇点转化方法将多源点多汇点情形归约到单源点情形。研究成果为紧急疏散路径规划提供了重要的理论基础与计算工具。

本文介绍了一种基于通用分支切割与定价（BCP）框架的精确求解器在车辆路径规划及相关组合优化问题中的应用。通过对广义分配问题（GAP）、向量打包问题（VPP）、带时间窗的取送货车辆路径问题（PDPTW）、容量受限弧路径问题（CARP）等多种问题进行统一建模，并在BaPCod平台上实现，结合C++与Julia–JuMP接口，实验结果表明该求解器在多数问题上表现优于或媲美现有最佳算法，尤其在TOP、CTOP、VRPSL等问题上优势显著。此外，求解器成功解决了多个开放的CVRP实例，验证了其强大求解能力。未来计划将

本文介绍了一个用于求解车辆路由问题（VRP）及其多种变体的通用精确求解器。该求解器基于Branch-Cut-and-Price（BCP）框架，通过引入打包集、ng-路径、有限内存秩-1割、路径枚举和新型分支策略等关键技术，在保持高度通用性的同时显著提升了求解效率与质量。相比传统方法，该求解器能在数分钟内解决过去需数小时的实例，并适用于物流配送、公共交通规划等多个实际场景，展现出卓越的性能和广阔的应用前景。

本文深入探讨了整数规划中整数解稀疏性的平均情况，结合群论、格论和埃尔哈特理论，提供了对σ(A,b)函数行为的精细化分析。通过定义平行六面体的群结构、研究锥中的格点分布，并利用引理与定理的严密推导，证明了关于σ_asy(A)的上下界不等式。文章详细展示了定理1与定理2的证明过程，构造了关键矩阵并分析其性质，同时给出了引理3的完整证明，为整数规划问题的复杂度理解与算法设计提供了重要的理论支撑。

本文研究了整数规划中解的稀疏性在平均情况下的表现，提出了基于矩阵子式大小及其素分解结构的渐近支持函数上界，并通过构造实例验证了这些界的紧性。同时，在图论方面，探讨了基于分裂-剥离技术的收缩方法，用于获得Karger类型的良好收缩分布，以高效求解割集相关问题。研究结合理论分析与算法设计，为整数规划与图算法提供了新的理论工具和应用思路。

本文提出了一种用于求解同余约束最小割（CCMC）问题的新收缩技术，结合收缩与递归缩减策略，解决了传统方法在处理一般常数模数（尤其是复合模数）时的局限性。通过引入加权分裂构造的辅助图和缩减族概念，算法能够在多项式时间内以高概率找到接近最优的割集。该方法不仅为CCMC问题提供了高效的随机近似方案（PRAS），还推动了具有有界子行列式矩阵的整数规划等开放问题的研究。实验分析与流程图进一步验证了算法的有效性与可行性。

本文提出了一种基于分支-切割框架的精确算法，用于求解鲁棒影响力最大化问题。通过引入扩展激活集和对偶公式化，将原问题转化为可计算的线性规划形式（R-IMP-LAZY），并采用懒约束机制高效处理指数级变量。算法在真实网络数据上进行了测试，验证了其有效性与可扩展性。研究还分析了不同参数对求解难度的影响，并探讨了鲁棒性带来的性能代价。理论证明确保了算法的正确性，未来方向包括引入列生成、探索替代公式化及处理边权重不确定性。

本文深入探讨了近似多拟阵交与鲁棒影响最大化（Robust Influence Maximization, IMP）问题的理论与算法。针对近似多拟阵交，采用令牌计数方法证明算法终止性，并分析背包约束的加性违反。对于鲁棒IMP，提出基于混合整数线性规划（MILP）和分支-切割的求解框架，通过双层优化建模并利用对偶化与线性化技术实现单级公式化。研究涵盖确定性、随机与鲁棒模型的分类比较，构建了非鲁棒问题的激活集公式及对偶形式，并通过实验验证了方法的有效性。最后展望了算法优化、次模性挑战应对及在复杂网络中应用的未来方

本文介绍了一种基于迭代细化和松弛的近似算法，用于解决多拟阵交集问题。通过拟阵的细化操作分解复杂结构，并结合删除、收缩与约束松弛，算法能够在多项式时间内获得满足特定独立性条件的近似解。文章分析了算法的正确性与终止性，证明了其在广义拟阵度有界生成树和背包约束扩展等问题中的应用有效性，同时揭示了小加性违反近似的计算困难性。

本文研究了非对称旅行商路径问题（ATSPP）的线性规划方法与近似多拟阵交问题。在ATSPP方面，通过界定对偶变量$ a_s $和$ a_t $的差值，建立了其与ATSP整数比的关系，证明（ATSPP LP）的整数比至多为$ 4\rho_{ATSP} - 3 $。在多拟阵交方面，提出一种新的迭代舍入技术，解决了加权3-拟阵交问题的近似求解，确定其LP松弛的整数比至多为2，并将该技术拓展至约束生成树和混合拟阵与背包约束问题，展示了更强的通用性和灵活性。研究成果在组合优化理论与实际应用中具有重要意义。

本文研究了非对称旅行商路径问题（ATSPP）的线性规划松弛整性比，证明其具有恒定整性比。通过将ATSPP实例转化为ATSP实例并利用对偶LP解的层状结构，提出了一种合并多个s-t行走为单个行走的方法，并结合关键差值上界分析，得出ρ_{ATSPP} ≤ 4ρ_{ATSP} - 3。对于节点加权实例，进一步得到ρ_{NW_{ATSPP}} ≤ 2ρ_{NW_{ATSP}} - 1。结果深化了对ATSPP线性规划松弛性能的理解，并为近似算法设计提供了理论基础。

本文研究了生成树博弈中子模性的高效判定方法，提出了通过检查违规循环和候选边的昂贵邻域来判断子模性的充要条件。文章分析了不良结构（如不良洞和不良诱导钻石）对子模性的破坏机制，并利用引理与定理推导出可在多项式时间内验证的两个关键条件。结合mermaid流程图，展示了判断流程与研究路径，为图论与博弈论的交叉应用提供了理论基础与实用工具。

本文探讨了合作博弈中生成树博弈的子模性高效特征化问题。通过引入‘违反循环’的概念并结合对多项式数量顶点子集的测试，文章给出了判断生成树博弈是否具备子模性的多项式时间算法。该方法解决了长期存在的开放问题，为相关领域的研究提供了重要理论支持和实用工具。

本文围绕格的Voronoi胞腔的紧凑表示展开研究，探讨了格的紧凑性常数、Voronoi相关向量的刻画及其在算法中的应用。重点分析了秩至多为4的格存在紧凑基的结论，提出了放松紧凑性常数的概念，并给出了其上下界估计。通过命题与定理深入揭示了对偶格几何性质与原格紧凑性的联系。同时，介绍了Micciancio和Voulgaris算法在已知c-紧凑基时求解最近向量问题的效率提升及面临的挑战。最后展望了未来在高效计算紧凑基、算法优化和特殊格性质挖掘等方面的研究方向，为格基约化与密码学等应用提供了理论基础。

本文研究了格的Voronoi胞腔的紧凑表示，提出了c-紧凑基的概念，并证明了一般格存在n²-紧凑基，而某些特殊格（如zonotopal格）具有1-紧凑基。通过紧凑表示，可将Micciancio和Voulgaris的CVP算法改进为多项式空间、单指数时间的版本。文章还探讨了放松的紧凑性常数\$\overline{c}(\Lambda)\$及其优势，并指出未来在通用格紧凑性常数估计、高效算法设计及实际应用方向的研究前景。

本文研究了最小有效函数的扰动空间结构，提出了移动闭包的有限表示理论，并建立了最小有效函数扰动空间的分解定理。基于初始移动集合的闭包性质，文章引入了覆盖集C、未覆盖集U与边界集X的划分，定义了细化断点集B'及多面体复形T，进而构造了有限维扰动空间与等变扰动空间。核心结果包括：闭包结构的分解定理（定理4.8）、断点稳定性（定理4.9）、等变扰动在连通未覆盖组件上的特征与直和分解（定理4.14–4.15），以及整体扰动空间的直和分解定理（定理4.16）。此外，揭示了移动闭包与扰动响应对称性的关系（定理4.17）。

本文研究了马尔可夫系统与最小有效函数扰动空间的理论与算法。在马尔可夫系统方面，提出了基于在线竞争解决策略（OCRS）的算法ALG，并证明其效用至少为线性规划最优值的1/α倍。在最小有效函数方面，定义了有效扰动函数空间，并通过逆半群作用和封闭操作构建了无网格算法的理论基础，用于判定函数极值性并提升切割平面算法。研究成果对整数线性优化及实际决策问题具有重要意义。

本文研究了马尔可夫信息价格（Markovian PoI）模型下的组合优化问题，提出将自由信息世界中的节俭算法适配到具有不确定信息获取成本的环境中。通过定义状态等级、普遍成本与时期等概念，构建了适用于Util-Max和Disutil-Min问题的自适应策略，并证明了在半可加目标函数下存在α-近似策略。进一步探讨了模型参数估计误差下的鲁棒性，特别是在DAG结构下的近似保证。针对实际中常见的承诺约束，结合在线竞争解决方案（OCRS）和LP松弛技术，设计了具有近似比的算法。研究在理论和应用层面均具有重要意义，为多阶

本文深入探讨了动态流与自适应路径选择以及马尔可夫信息价格模型在复杂网络流和资源分配问题中的应用。通过归纳法和数学定理分析了动态流中流量模式的持续性与扩展方法，并引入马尔可夫系统建模不确定性下的决策过程。提出了基于代理值的自适应节俭算法，实现了在探测成本约束下的效用最大化与负效用最小化目标。文章还总结了相关算法在实际场景如石油勘探、网络通信中的潜在应用，为复杂环境下的最优决策提供了理论支持与解决方案。

本文研究了动态流网络中的即时动态均衡（IDE）问题，提出了在多源单汇网络中IDE流的存在性与有限时间终止性，并通过构造复杂实例揭示了在多商品网络中即使流入有界且有限持续，IDE流仍可能陷入无限循环而无法终止。研究采用流体排队模型和优化方法，结合小装置构建技术，深入分析了不同网络结构下流量的自适应路由行为，为交通与通信网络中的动态流量管理提供了理论基础。

本文探讨了具有精确子图约束的半定规划（SDP）的高效求解方法——基于部分拉格朗日对偶的捆绑方法，该方法在处理大规模ESC时显著提升计算效率，并在最大割、稳定集和着色等问题中验证了其有效性。同时，文章引入动态网络流中的自适应路径选择模型——瞬时动态平衡（IDE），更贴近现实交通中导航系统影响下的出行行为，证明了其在多源单汇网络中的存在性与有限终止性。研究展示了两类方法在理论与应用上的潜力，未来可进一步拓展至更大规模子图、复杂交通网络及多因素融合建模，推动图优化与智能交通系统的发展。

本文研究了Max-Cut、稳定集和着色问题中基于精确子图约束（ESC）的半定规划（SDP）松弛层次结构，并提出了一种结合部分拉格朗日对偶与束方法的有效求解策略。针对直接求解包含大量ESC的SDP在计算和内存上的高开销，作者采用迭代方式仅引入违反最严重的约束，并将原问题转化为可分解的非光滑凸最小化问题。通过束方法高效求解该对偶问题，能够在较小k值下逼近高层次松弛的最优界，显著提升计算效率。该方法在三种组合优化问题中均展现出良好的收敛性与实用性。

本文综述了整数规划与半定规划的研究进展。在整数规划方面，通过从3-SAT问题进行多项式时间归约，构建了受限整数规划（SIP）实例，并分析了其NP难性、变量与子句小工具的设计以及关联图的树深度；同时探讨了约束和变量度数对可解性的影响，给出了关联树深度的上界引理。在半定规划方面，介绍了精确子图方法作为生成SDP松弛的层次化方案，针对其求解过程中大量违反子图约束带来的计算挑战，提出基于部分拉格朗日对偶和束方法的计算框架，并在最大割、稳定集和着色等问题上验证了有效性。最后展望了图参数与ILP参数化方向的未来研究。

本文研究了最小最大匹配与整数规划的近似比及计算复杂度。在最小最大匹配方面，通过构造无权重图和二分图实例，分析了不同假设下的近似难度，并探讨了其与顶点覆盖问题的联系；在整数规划方面，证明了即使关联树深度很小，判断可行性仍是NP难的，同时综述了n重4块整数规划及其特殊形式的算法进展。文章还指出了多个开放问题和未来研究方向，为相关领域的理论发展提供了重要基础。

本文研究了最小最大匹配（MMM）问题的近似复杂性，基于唯一游戏猜想（UGC）及相关强化假设，通过从顶点覆盖和最大平衡二部图问题的归约，证明了在加权与无权图中MMM难以在多项式时间内逼近到2以内。对于二分图情形，在UGC下获得了4/3的硬度结果，并借助小集扩展假设或强UGC将结果提升至3/2。文章还引入分数匹配技术，成功将加权硬度结果转化为无权情况，为理解MMM的紧密近似比提供了理论基础，并指出了未来在弱假设算法、特殊图类及分数匹配应用方面的研究方向。

本文分析了弗里德曼切换顺序在Zadeh枢轴规则下的问题，重点探讨了第三阶段改进切换中违反最小进入规则的现象，指出其在不同层级切换顺序中的矛盾。通过引入集合划分与一系列引理，提出了修复方案，并证明了存在一种兼容最小进入规则的切换排序方式（定理3），进一步扩展至整个过渡过程的正确性（定理4）。文章最后总结了关键技术点并展望了未来研究方向。

本文深入研究了Friedmann对Zadeh枢轴规则的次指数下界构造，揭示并解决了其中存在的三个关键问题：初始策略不一致、自行车出现记录可能为负，以及改进切换顺序不符合Zadeh规则。通过提出修正的初始策略、引入额外条件区分非活动自行车类型，并设计符合最少进入规则的新排序与破平局机制，成功修复了原构造中的缺陷。结果定量保留了Friedmann的超多项式下界，为Zadeh规则的复杂性分析提供了更坚实的基础。

本文提出了一种求解双层背包问题（BKP）的新精确算法，通过分析追随者背包问题中关键物品的存在情况，构建了CRIT1(c)和CRIT2(c)两种整数线性规划模型以推导有效下界。算法分为两步：第一步处理无关键物品情形并确定候选关键物品范围，利用线性松弛排序子问题优先级；第二步通过变量固定与约束生成技术求解子问题直至最优。结合ComputeTuples过程构建增强约束集，显著提升了求解效率。实验结果表明，该方法在小规模和大规模实例上均优于现有竞争算法，能够在极短时间内找到最优解，具有较高的实用价值和扩展潜力。

本文研究了在线吞吐量最大化中的承诺处理与双层背包带阻断约束问题（BKP）。在承诺处理方面，探讨了准入时承诺与δ-承诺模型的关系，分析了单位权重与加权作业的调度挑战，并介绍了关键引理及其证明思路。针对BKP问题，建立了基于领导者-追随者博弈的数学模型，提出了一种利用追随者问题结构和有效下界的精确求解方法，显著提升了求解效率，能在一秒内解决基准实例，并在60秒内求解高达500个物品的大规模问题。文章还对比了现有算法性能，展望了算法优化、模型扩展及实际应用等未来研究方向。

本文研究了在线吞吐量最大化中的承诺问题，提出了一种通用的区域算法框架，适用于有承诺和无承诺的在线调度场景。通过参数α、β和δ的合理选择，该算法在不同承诺模型下实现了良好的竞争比：在无承诺调度中达到Θ(1/ε)，在δ-承诺和准入时承诺模型中分别取得O(ε/((ε−δ)δ²))和O(1/ε²)的竞争比。文章还分析了各类模型下的竞争比下界，揭示了有承诺调度的理论难度，并通过中断树结构和收费程序证明了算法性能。尽管取得进展，上下界差距及承诺机制的本质影响仍需进一步探索。

本文探讨了整数规划中的ℓ1-稀疏性近似界与在线吞吐量最大化中的承诺处理问题。针对不同宽度的打包整数规划（PIPs），提出了基于缩放因子的随机近似算法，并在小宽度和大宽度情况下分别给出了改进的近似比。同时，在线作业调度中引入区域算法框架，分析了无承诺、作业接纳时承诺及δ-承诺等多种模型下的竞争比表现，揭示了承诺机制对算法性能的影响。研究还指出在加权情况下无法实现有界竞争比，强调了无权重模型的必要性。