[論文レビュー] From Computational Certification to Exact Coordinates: Heilbronn's Triangle Problem on the Unit Square Using Mixed-Integer Optimization

Nathan Sudermann-Merx|arXiv (Cornell University)|Mar 11, 2026

Advanced Optimization Algorithms Research被引用数 0

ひとこと要約

要約: 本論文は、ユニット正方形上のハイルブローンの三角形問題を解くために、全局ミックスド整数非線形計画法（MINLP）と正確なシンボリック計算を組み合わせた optimize–then–refine フレームワークを提案し、n=9 に対して認定済みの最適性を約15分で達成し、n=5–9 の正確な座標を導出する。

ABSTRACT

We develop an optimize-then-refine framework for the classical Heilbronn triangle problem that integrates global mixed-integer nonlinear programming with exact symbolic computation. A novel symmetry-breaking strategy, together with the exploitation of structural properties of determinants, yields a substantially stronger optimization model: for $n=9$, the problem can be solved to certified global optimality in 15 minutes on a standard desktop computer, improving upon the previously reported effort of about one day by more than an order of magnitude. Combining the numerical certificate with exact symbolic computation, we provide the first proof that the configuration discovered by Comellas and Yebra in 2002 for $n=9$ is globally optimal, and derive exact coordinates for all optimal configurations with $n=5,\dots,9$, confirming earlier best-known results and sometimes simplifying their presentation. An analysis of these configurations reveals structural patterns-notably the clustering of noncritical triangle areas around a small number of distinct values-which give rise to new research questions about the combinatorial geometry of extremal point sets. All configurations and code are publicly available to provide a reproducible foundation for further research.

研究の動機と目的

• ユニット正方形上のハイルブローンの三角形問題のより強い混合整数最適化モデルを開発する。
• グローバルMINLPと正確なシンボリック精緻化を統合し、認定済みの最適構成を得る。
• 構造的洞察を抽出し、再現可能な構成とコードを提供する。
• prior work より大幅に高速な n=9 の効率的な解法を示す。

提案手法

• ハイルブローンの問題を最小の三角形面積を最大化するMINLPとして定式化する。 三角形の面積の絶対値を扱うために符号付き面積変数と二値符号を導入する。 探索空間を削減するために境界構造に基づく対称性破壊戦略を適用する。 ソルバの非線形性を緩和するために積項を補助変数に置換する。 数値解から正確な座標を得るために optimize–then–refine のパイプラインを組み込む。

Figure 5: Optimal configuration for $n=7$ with its eight critical triangles highlighted.

実験結果

リサーチクエスチョン

• RQ1 拡張されたMINLPモデルを用いてユニット正方形上の小さな n に対する認定済み最適な最小三角形領域 Δn はいくらか？
• RQ2 対称性破壊と行列式ベースの構造を活用して n が最大9までのハイルブローンの問題をより効率的に解けるか？
• RQ3 数値証明と正確なシンボリック計算を組み合わせて最適構成の正確な座標を作成できるか？
• RQ4 n が最大9のとき現れる構造的パターンは何か、そしてどんな未解決の質問を提起するか？
• RQ5 提案されたフレームワークは公開可能な構成とコードで再現可能か？

主な発見

• n=9 に対して標準デスクトップ上で約15分程度でグローバルな最適性が認定されるのは従来の約1日より改善されている。 n=5,…,9 に対するすべての最適構成の正確な座標を導出し、従来の結果を確認し、新規の箇所には証明を提供する。 optimize–then–refine フレームワークは数値最適化と正確なシンボリック解を結び付け、証明可能な構成を生み出す。 境界構造と行列式の性質に基づく対称性破壊により実行時間が大きく削減される。 構造的パターンが現れる：臨界三角形の数は n の増加とともに増え、臨界ではない三角形の面積は数値的に限られたいくつかの値に集約され、新たな組合せ幾何の問いを提起する。

Figure 6: Optimal configuration for $n=5$ .