Considere um problema de otimização convexa no formato
onde são funções convexas. Sem perda de generalidade, podemos assumir que é linear.
Nesterov e Nemirovskii mencionam em seu livro "Algoritmos polinomiais de pontos interiores em programação convexa" que existe um algoritmo capaz de resolver qualquer programa convexo em tempo polinomial no sentido a seguir. Queremos ter uma solução com uma precisão relativa ao custo de cálculos dos valores dos valores e cálculos dos subgradientes. Então, para o método elipsóide, alega-se que
À primeira vista, isso parece implicar que um problema de otimização convexa pode ser resolvido em tempo polinomial usando o método elipsóide (vamos assumir por simplicidade que os oráculos para calcular os valores e os subgradientes requerem tempo para a classe considerada problemas de otimização convexos).
No entanto, eu não entendo totalmente se as expressões dependem de alguma forma das funções , por exemplo, de seus hessianos ou não. Nesse caso, a complexidade pode ter uma explosão exponencial devido às propriedades de curvatura das funções. Além disso, afirma-se misteriosamente que "o método elipsóide não funciona bem na prática". Parece não haver consenso na internet se a resposta à minha pergunta é afirmativa ou negativa; veja, por exemplo, esta discussão no MathOverflow.
Pesquisei todos os livros sobre otimização convexa que encontrei e tive a impressão de que esse realmente depende do problema, mas não consegui encontrar nenhuma confirmação clara dessa suposição. Portanto, minha única esperança é perguntar diretamente às pessoas que estão pesquisando neste campo.
Métodos de pontos interiores que foram desenvolvidos mais tarde parecem explicar explicitamente a curvatura usando a noção de barreiras auto-concordantes. Mas quando as pessoas dizem que esses métodos são eficientes na prática, geralmente não o especificam no nível de complexidade.