[논문 리뷰] A Transformation-Proximal Bundle Algorithm for Solving Large-Scale Multistage Adaptive Robust Optimization Problems.

Chao Ning, Fengqi You|arXiv (Cornell University)|2018. 10. 13.

Supply Chain and Inventory Management인용 수 1

한 줄 요약

이 논문은 상태 결정과 국지 결정으로 회복 결정을 분해하고, 상태 결정에만 애핀 결정 규칙을 적용하며 문제를 등가의 이단계로 변환함으로써 대규모 다단계 적응형 로버스트 최적화를 위한 변환-근접 번들 알고리즘을 제안한다. 이 방법은 재고 관리에서 평균 이중성 갭 1.68%로 근사 최적 해를 달성하며, 표준 애핀 방법이 겪는 34.88%의 갭에 비해 뚜렷이 뛰어난 성능을 보인다.

ABSTRACT

This paper presents a novel transformation-proximal bundle algorithm to solve multistage adaptive robust mixed-integer linear programs (MARMILPs). By explicitly partitioning recourse decisions into state decisions and local decisions, the proposed algorithm applies affine decision rule only to state decisions and allows local decisions to be fully adaptive. In this way, the MARMILP is proved to be transformed into an equivalent two-stage adaptive robust optimization (ARO) problem. The proposed multi-to-two transformation scheme remains valid for other types of non-anticipative decision rules besides the affine one, and it is general enough to be employed with existing two-stage ARO algorithms for solving MARMILPs. The proximal bundle method is developed for the resulting two-stage ARO problem. We perform a theoretical analysis to show finite convergence of the proposed algorithm with any positive tolerance. To quantitatively assess solution quality, we develop a scenario-tree-based lower bounding technique. Computational studies on multiperiod inventory management and process network planning are presented to demonstrate its effectiveness and computational scalability. In the inventory management application, the affine decision rule method suffers from a severe suboptimality with an average gap of 34.88%, while the proposed algorithm generates near-optimal solutions with an average gap of merely 1.68%.

연구 동기 및 목표

• 대규모 다단계 적응형 로버스트 정수선형계획문(MARMILPs)의 계산 비가역성을 해결하기 위해 확장 가능한 해법을 가능하게 한다.
• 기존의 애핀 결정 규칙이 다단계 설정에서 부분적으로 최적임을 초래하는 문제를 해결하기 위해 국지 결정에 대한 완전한 적응성을 허용한다.
• MARMILPs를 등가의 이단계 로버스트 최적화 문제로 변환하는 일반적인 변환 체계를 개발하여 해의 품질을 유지한다.
• 근접 번들 방법 프레임워크를 통해 임의의 양의 허용 오차에서도 해법 알고리즘의 유한 수렴을 보장한다.
• 실제 적용에서 해의 품질을 정량적으로 평가하기 위해 시나리오 트리 기반의 하한 추정 기법을 제공한다.

제안 방법

• 회복 결정을 상태 결정(애핀 결정 규칙 근사 적용)과 국지 결정(완전한 적응성 허용)으로 분할하여 다단계 문제의 구조적 분해를 가능하게 한다.
• 다단계에서 이단계로의 변환 체계를 적용하여 MARMILP를 등가의 이단계 적응형 로버스트 최적화(ARO) 문제로 재구성하며, 이는 비예측적 결정 규칙에 대해 항상 유효하다.
• 결과로 얻어진 이단계 ARO 문제에 특화된 근접 번들 방법을 개발하여, 임의의 양의 허용 오차 하에서도 유한 수렴을 보장한다.
• 이중성 갭을 추정하고 해의 품질을 실증적으로 검증하기 위해 시나리오 트리 기반의 하한 추정 기법을 통합한다.
• 기존의 이단계 ARO 알고리즘을 기반으로 하되, 제안된 변환을 통해 다단계 문제에 대한 적용 가능성을 향상시킨다.
• 번들 방법의 보조 항을 사용하여 하위문제 해의 안정성을 확보하고 마스터 문제에서 수렴 속도를 가속화한다.

실험 결과

연구 질문

• RQ1 일반적인 변환 체계를 통해 다단계 적응형 로버스트 최적화 문제를 등가의 이단계 문제로 변환하면서 해의 품질을 유지할 수 있는가?
• RQ2 어떻게 상태 결정에만 애핀 결정 규칙를 선택적으로 적용함으로써 보수성은 줄이고 계산의 타당성을 유지할 수 있는가?
• RQ3 제안된 근접 번들 방법이 이단계 ARO 문제의 맥락에서 임의의 양의 허용 오차에서도 유한 수렴을 달성하는가?
• RQ4 시나리오 트리 기반의 하한 추정 기법은 다단계 로버스트 최적화에서 해의 품질 평가 신뢰도를 어느 정도 향상시키는가?
• RQ5 실제 응용에서 제안된 알고리즘이 표준 애핀 결정 규칙 접근법에 비해 해의 품질과 확장성 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 알고리즘은 다기능 재고 관리 문제에서 평균 이중성 갭 1.68%를 달성하여 근사 최적성을 입증한다.
• 반면 표준 애핀 결정 규칙 방법은 동일한 테스트 인스턴스에서 심각한 부분 최적성으로 평균 이중성 갭 34.88%를 보였다.
• 변환-근접 번들 알고리즘은 임의의 양의 허용 오차 하에서도 유한 수렴을 보장하여 이론적 강건성을 확립한다.
• 과정 네트워크 계획 및 재고 관리에서의 계산 연구를 통해 이 알고리즘이 대규모 문제에 효과적으로 스케일링됨을 입증했다.
• 시나리오 트리 기반의 하한 추정 기법은 해의 품질을 신뢰할 수 있고 정량적으로 측정할 수 있는 척도를 제공하여 실증적 검증을 가능하게 한다.
• 다단계에서 이단계로의 변환 체계는 일반적이며 기존의 이단계 ARO 알고리즘과 호환되어 실용적 적용 가능성을 높인다.