Ao projetar algoritmos de aproximação, às vezes se resolve um programa semidefinido seguido de uma etapa de arredondamento. Um exemplo frequentemente usado para ilustrar isso é o Max-Cut. (Veja, por exemplo, Algoritmos de Aproximação de Vijay Vazirani.)
Existem boas fontes educacionais ou pesquisas que vão além do problema Max-Cut para explicar algoritmos e técnicas de arredondamento mais complexos usados em suas análises? Estou pensando em casos em que os vetores da solução SDP não são distribuídos uniformemente em uma hiperesfera, têm comprimentos diferentes ou outras propriedades que dificultam a análise.
8
Acho que você não está obtendo respostas, porque realmente não existem boas pesquisas para contornar os SDPs :) Sanjeev Arora fez uma palestra sobre o assunto em vários lugares; seus slides estão aqui e links para várias referências úteis estão aqui . Lovasz escreveu uma pesquisa geral sobre programação semidefinida e otimização combinatória, mas isso não está focado em algoritmos de aproximação.
—
arnab
Obrigado Arnab. Eu acho que nunca é demais perguntar. :) E se houver interesse suficiente por perto, talvez alguém possa pensar em escrever alguma pesquisa.
—
Michael
Desculpe, meus links foram destruídos acima. O primeiro link foi para pikomat.mff.cuni.cz/honza/napio/arora.pdf e o segundo para homepages.cwi.nl/~monique/ow-seminar-sdp e o terceiro para cs.elte.hu/~lovasz /semidef.ps
—
arnab
Adicionada uma recompensa de +50 para ver se há atualizações (ou pessoas que começaram a escrever pesquisas) desde que eu postei a pergunta originalmente.
—
Michael
Claro, não é uma pesquisa, mas gostei muito deste curso de Sanjeev Arora: mpi-inf.mpg.de/conference/adfocs/material/… #
—
Alex Golovnev