We consider a very wide class of models for sparse random Boolean 2CSPs; equivalently, degree-2 optimization problems over~$\{\pm 1\}^n$. For each model $\mathcal{M}$, we identify the "high-probability value"~$s^*_{\mathcal{M}}$ of the natural SDP relaxation (equivalently, the quantum value). That is, for all $\varepsilon > 0$ we show that the SDP optimum of a random $n$-variable instance is (when normalized by~$n$) in the range $(s^*_{\mathcal{M}}-\varepsilon, s^*_{\mathcal{M}}+\varepsilon)$ with high probability. Our class of models includes non-regular CSPs, and ones where the SDP relaxation value is strictly smaller than the spectral relaxation value.
翻译:我们考虑的是一个非常广泛的模型类别,用于稀散随机布尔币 2CSPs; 等值, 度-2优化问题大于~$pm 1 ⁇ n$。 对于每个模型 $\ mathcal{M} $, 我们确定“ 高概率值” ~ $s mathcal{M ⁇ $$ 自然SDP 放松( 等值量值) 的“ 高概率值 ” ( 量值 ) 。 也就是说, 对于所有$@varepsilon > 0美元, 我们显示随机美元变量实例的最佳SDP是( 当以~ $) 在 $( mathcal{ M\\\\\\ varepslon) 范围内的 $( mathcal{ M ⁇ varepslon) 。 我们的模型类别包括非常规的 CSPs, 以及那些SDP 放松值明显小于光谱值的模型 。