From: Kernel-function-based primal-dual interior-point methods for convex quadratic optimization over symmetric cone
i
The eligible kernel functions ψ i (t)
Large-update methods
Small-update methods
Ref.
1
t 2 − 1 2 −logt
O(rlog r ε )
O( r log r ε )
e.g., [1]
2
1 2 ( t − 1 t ) 2
O( r 2 3 log r ε )
[6]
3
t 2 − 1 2 + t 1 − q − 1 q − 1 , q>1
O(q r q + 1 2 q log r ε )
O( q 2 r log r ε )
4
t 2 − 1 2 + t 1 − q − 1 q ( q − 1 ) − q − 1 q (t−1), q>1
[5]
5
t 2 − 1 2 + e 1 t − e e
O( r ( log r ) 2 log r ε )
6
t 2 − 1 2 − ∫ 1 t e 1 ξ − 1 dξ
7
t 2 − 1 2 + e q ( 1 t − 1 ) − q q , q ≥ 1
O(q r log r ε )
O(q q r log r ε )
[7]
8
t 2 − 1 2 − ∫ 1 t e q ( 1 ξ − 1 ) dξ, q ≥ 1
9
t 2 − 1 2 + ( e − 1 ) 2 e 1 e t − 1 − e − 1 e
O( r 3 4 log r ε )
[10]
10
8 t 2 −11t+1+ 2 t −4logt
O( r 5 6 log r ε )
[19]
11
8 t 2 −10t+ 2 t 3
O( r 5 8 log r ε )
[14]
12
t 2 − 1 2 + 6 π tan( π ( 1 − t ) 2 + 4 t )
[17]
13
t 2 − 1 2 −log(t)+ 1 8 tan 2 ( π ( 1 − t ) 2 + 4 t )
[21]
14
p ( t 2 − 1 ) 2 + t − p q − 1 q ( q + 1 ) − p q ( t − 1 ) q + 1 , p ≥ 1, q>0
O( r logrlog r ε )
[15]
15
t+ 1 t −2
[9]
16
t−1+ t 1 − q − 1 q − 1 , q>1
O(qrlog r ε )
17
t p + 1 − 1 p + 1 −logt, p∈[0,1]
[18]
18
{ t p + 1 − 1 p + 1 + t 1 − q − 1 q − 1 , t > 0 , p ∈ [ 0 , 1 ] , q > 1 t p + 1 − 1 p + 1 − log t , t > 0 , p ∈ [ 0 , 1 ] , q = 1
O(q r p + q q ( 1 + p ) log r ε )
[8]