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.
Respostas:
Veja o capítulo 6 do livro "The Design of Approximation Algorithms" de Williamson e Shmoys. O livro está disponível on-line aqui: http://www.designofapproxalgs.com/
fonte
Há um bom livro do Gartner e Matousek sobre SDPs e suas aplicações para algoritmos de aproximação. Ele abrange muito com o benefício adicional de fornecer uma boa introdução à teoria da programação semidefinida. Consulte http://books.google.com/books/about/Approximation_Algorithms_and_Semidefinit.html?id=5QeLPOvIpNUC
fonte
Existe uma pesquisa: http://ttic.uchicago.edu/~madhurt/Papers/sdpchapter.pdf, que tem foco nas hierarquias da programação convexa. Possui Max-Cut, Sparsest-Cut, coloração, conjunto independente de hipergrafo, mochila.
fonte