[論文レビュー] Algebraic solutions to multidimensional minimax location problems with Chebyshev distance

Nikolai Krivulin|arXiv (Cornell University)|Dec 25, 2012

Advanced Optimization Algorithms Research参考文献 5被引用数 21

ひとこと要約

本稿では、イドムポテンス代数を用いて、チェビシェフ距離を用いた多次元ミニマックス単一施設配置問題に対する新しい代数的解法を提示する。固有値と固有ベクトルの極値性質を活用することで、非制約および制約付きの配置問題が、$ρ_{\max,+}$ 半体における固有値・固有ベクトルの計算に変換され、行列スペクトル理論を用いて正確な解が得られる。

ABSTRACT

Multidimensional minimax single facility location problems with Chebyshev distance are examined within the framework of idempotent algebra. A new algebraic solution based on an extremal property of the eigenvalues of irreducible matrices is given. The solution reduces both unconstrained and constrained location problems to evaluation of the eigenvalue and eigenvectors of an appropriate matrix.

研究の動機と目的

• チェビシェフ距離下での多次元ミニマックス単一施設配置問題を解くための新しい代数的アプローチの開発。
• イドムポテンス代数の適用範囲を非制約および制約付きの配置問題へ拡張すること。
• イドムポテンス代数における非可約行列のスペクトル理論と配置問題との関係を確立すること。
• 固有値および固有ベクトルの計算を通じて、ミニマックス配置問題を統一的枠組みで解くためのフレームワークを構築すること。

提案手法

• 問題が $ρ_{\max,+} = (ℝ \cup \{-\infty\}, \max, +)$ というイドムポテンス半体の文脈で再定式化され、演算が再定義されて代数的操作を可能にする。
• 非制約ミニマックス問題は、施設および需要点データから導かれる非可約行列の固有値と固有ベクトルの計算に還元される。
• 制約付き問題では、便宜的なベクトル $π_1$ および $\bm{q}_1^{-}$ を用いて、実行可能領域を目的関数に埋め込み、制約付き問題を同等の非制約問題に変換する。
• 解は、固有値 $\lambda = (\bm{q}^{-}\bm{p})^{1/2}$ の極値性質を介して得られる。ここで $\bm{p}$ および $\bm{q}^{-}$ は、需要点および重みから構成される。
• 本手法は、イドムポテンス代数におけるベクトルおよび行列演算（成分ごとの演算および最大と和を用いた行列乗算）を用いる。
• 最終的な解は、$\alpha \in [0,1]$ をパrameterとするベクトルの族として表現され、最適値は $\lambda = \max(p_1 - q_1, \dots, p_n - q_n)/2$ である。

実験結果

リサーチクエスチョン

• RQ1 多次元ミニマックス配置問題を、チェビシェフ距離を用いてイドムポテンス代数でどのように再定式化できるか。
• RQ2 行列の固有値および固有ベクトルが、このような配置問題の解法において果たす役割は何か。
• RQ3 イドムポテンス半体における代数的技法を用いて、制約付き配置問題を非制約問題に変換できるか。
• RQ4 ミニマックス問題を固有値計算に還元できる代数的構造は何か。
• RQ5 提案手法は、1次元および制約付き設定における既存の解法をどのように一般化するか。

主な発見

• ミニマックス配置問題の最小値は、$\lambda = (\bm{q}^{-}\bm{p})^{1/2}$ で与えられ、ここで $\bm{p}$ および $\bm{q}^{-}$ は施設および需要点から導かれる。
• 最適解集合は、$\alpha \in [0,1]$ に対して $\bm{x} = \lambda^{1-2\alpha} \begin{pmatrix} p_1^\alpha q_1^{1-\alpha} \\ \vdots \\ p_n^\alpha q_n^{1-\alpha} \end{pmatrix}$ とパラメータ化され、解の族を表す。
• 通常の算術では、最適値は $\lambda = \max(p_1 - q_1, \dots, p_n - q_n)/2$ であり、$p_i = \max(r_{i1}+w_1, \dots, r_{im}+w_m)$ および $q_i = \min(r_{i1}-w_1, \dots, r_{im}-w_m)$ である。
• 制約付き問題では、$\bm{p}_1$ および $\bm{q}_1^{-}$ を用いて、実行可能領域が目的関数に符号化され、同じ固有値法が適用可能になる。
• 解が存在する場合、変換された非制約問題は、元の制約付き問題と同じ解集合を保持する。
• 実行可能領域に正確な解が存在しない場合、同等の非制約問題を解くことで近似解が得られる。