[논문 리뷰] Chance Constrained Mixed Integer Program: Bilinear and Linear Formulations, and Benders Decomposition

Bo Zeng, Yu An외 1명|arXiv (Cornell University)|2014. 03. 31.

Optimization and Mathematical Programming참고 문헌 38인용 수 38

한 줄 요약

이 논문은 유한한 이산 시나리오를 가진 확률제약 혼합정수계획법(CC-MIP)을 위한 새로운 이차형 혼합정수형식을 제안하고, 더 강력한 선형 대체형식을 유도하며, 젠슨 부등식의 변형과 구조적 컷을 통합한 이차형 벤더스 분해법을 개발한다. 이 방법은 CC-MIP를 해결하거나 비가능성을 탐지하는 데 있어 상업적 솔버보다 약 10배 빠른 성능을 보인다.

ABSTRACT

In this paper, we study chance constrained mixed integer program with consideration of recourse decisions and their incurred cost, developed on a finite discrete scenario set. Through studying a non-traditional bilinear mixed integer formulation, we derive its linear counterparts and show that they could be stronger than existing linear formulations. We also develop a variant of Jensen's inequality that extends the one for stochastic program. To solve this challenging problem, we present a variant of Benders decomposition method in bilinear form, which actually provides an easy-to-use algorithm framework for further improvements, along with a few enhancement strategies based on structural properties or Jensen's inequality. Computational study shows that the presented Benders decomposition method, jointly with appropriate enhancement techniques, outperforms a commercial solver by an order of magnitude on solving chance constrained program or detecting its infeasibility.

연구 동기 및 목표

• 유한 시나리오 집합을 가진 확률제약 혼합정수계획법(CC-MIP)을 해결하는 데 있어 계산적 과제를 해결한다.
• 기존의 big-M 접근 방식보다 더 강력한 선형 형식을 도출하기 위해 비전통적인 이차형 형식에서 선형 대체형식을 유도한다.
• 확률제약 프로그램에 대해 젠슨 부등식을 일반화하여 타당한 부등식과 상한 조정을 지원한다.
• 구조적 특성과 향상된 컷을 활용한 성능 향상을 위한 이차형 벤더스 분해의 변형을 설계한다.
• 제안된 벤더스 프레임워크가 강건하고 일반적인 목적을 가진 것으로, 최신 상업적 솔버보다 현저히 빠른 성능을 보임을 입증한다.

제안 방법

• 이차형 혼합정수계획법 형식을 도입하여, 이진변수들이 시나리오 위반 여부를 나타내고, 이차항이 제1단계 결정변수와 시나리오별 제약조건을 연결하도록 한다.
• 확률제약의 구조를 활용하여, 기존 big-M 형식보다 증명된 바로 더 강력한 선형 재형식을 도출한다.
• 확률제약 프로그램에 특화된 젠슨 부등식의 변형을 제안하여, 기대 재조정 비용에 대한 더 날카운 상한을 제공한다.
• 제1단계 결정변수를 위한 마스터 문제와 시나리오별 타당성 및 최적성 컷을 위한 서브문제로 문제를 분해하는 이차형 벤더스 분해 알고리즘을 개발한다.
• 강화 전략을 통합한다: (1) 비가역적 타당하지 않은 부분집합(IIS) 기반의 타당한 부등식, (2) 혼합집합의 구조에서 유도된 강력한 컷, (3) 젠슨 기반 컷을 통해 마스터 문제의 타당성을 강화한다.
• 워밍스타트 전략과 적응형 컷 생성을 구현하여, 벤더스 프레임워크 내 수렴 속도를 가속화한다.

실험 결과

연구 질문

• RQ1 CC-MIP에 대한 비전통적인 이차형 형식이 기존 big-M 형식보다 더 강력한 선형 타당화를 이끌 수 있는가?
• RQ2 재조정 결정변수가 있는 확률제약 프로그램에서 젠슨 부등식을 어떻게 일반화하여 타당한 부등식을 지원할 수 있는가?
• RQ3 제약 조건 없이 일반 CC-MIP를 효과적으로 해결할 수 있는 이차형 벤더스 분해 프레임워크를 설계할 수 있는가?
• RQ4 IIS 컷, 혼합집합 부등식, 젠슨 기반 컷과 같은 강화 기법이 CC-MIP에서 벤더스 분해의 성능을 어느 정도 향상시키는가?
• RQ5 제안된 벤더스 방법이 CC-MIP 인스턴스를 해결하거나 비가능성을 입증하는 데 있어 상업적 솔버보다 현저히 빠른가?

주요 결과

• 이차형 표현에서 도출된 선형 형식은 표준 big-M 형식보다 더 강력하여, 더 좁은 이중성 갭과 더 빠른 수렴을 이끈다.
• 강화된 이차형 벤더스 분해 방법은 평균적으로 상업적 솔버(CPLEX)보다 CC-MIP 인스턴스를 최대 10배 빠르게 해결한다.
• 비가능성 탐지의 경우, 테스트 세트 전반에서 평균 해결 시간을 CPLEX의 2000초 이상에서 400초 이내로 감소시켰다.
• 젠슨 부등식의 변형 통합으로 기대 재조정 비용에 대한 더 날카운 상한을 확보하여, 일부 인스턴스에서 최적성 갭을 최대 70%까지 감소시켰다.
• IIS 및 혼합집합 컷이 통합된 벤더스 프레임워크는 특히 고위험(큰 ε) 시나리오에서 반복 횟수와 최적성 갭을 크게 감소시켰다.
• 가장 고급 변형(BD1RJ)을 사용할 경우, 모든 테스트 인스턴스에서 평균 갭이 1.94%로 나타났으며, CPLEX의 40.2%에 비해 훨씬 뛰어난 해법 품질과 속도를 확보했다.