[논문 리뷰] Geometric Programming Problem with Co-Efficients and Exponents Associated with Binary Numbers

Akshay Kumar Ojha, Asim K. Das|arXiv (Cornell University)|2010. 02. 05.

Robotic Mechanisms and Dynamics참고 문헌 19인용 수 5

한 줄 요약

이 논문은 공학 설계 최적화에서 현실성을 향상시키기 위해 비용 계수, 제약 계수, 지수를 이진수 표현을 사용하여 모델링하는 새로운 기하프로그래밍(GP) 방법을 제안한다. 이 방법은 이러한 파라미터들을 이진 인코딩을 통해 분해하고 쌍대성 이론을 활용하여 문제를 표준 비선형 해소기로 해결할 수 있는 등가 수학적 프로그램으로 변환한다. 두 가지 수치 예제를 통해 모델링 정밀도 향상을 입증한다.

ABSTRACT

Geometric programming (GP) provides a power tool for solving a variety of optimization problems. In the real world, many applications of geometric programming (GP) are engineering design problems in which some of the problem parameters are estimating of actual values. This paper develops a solution procedure to solve nonlinear programming problems using GP technique by splitting the cost coefficients, constraint coefficients and exponents with the help of binary numbers. The equivalent mathematical programming problems are formulated to find their corresponding value of the objective function based on the duality theorem. The ability of calculating the cost coefficients, constraint coefficients and exponents developed in this paper might help lead to more realistic modeling efforts in engineering design areas. Standard nonlinear programming software has been used to solve the proposed optimization problem. Two numerical examples are presented to illustrate the method.

연구 동기 및 목표

• 기존 기하프로그래밍이 공학 설계 문제에서 불확실하거나 추정된 파라미터를 모델링하는 데 한계가 있음을 해결하기 위해.
• 추정 불확실성을 반영하는 이진수로 인코딩된 값으로 계수와 지수를 표현하여 모델링의 현실성을 향상시키기 위해.
• 이진수 분해를 활용하여 기하프로그래밍을 등가 수학적 프로그램으로 체계적으로 변환하기 위해.
• 쌍대성 기반 재구성과 표준 비선형 프로그래밍 해소기를 통해 복잡한 비선형 최적화 문제를 해결할 수 있도록 하기 위해.
• 수치 사례 연구를 통해 제안된 방법의 타당성과 효율성을 입증하기 위해.

제안 방법

• 실제 공학 문제에서의 추정 불확실성을 반영하기 위해 비용 계수, 제약 계수, 지수를 이진수 표현으로 분해한다.
• 각 이진수로 인코딩된 파라미터는 재구성된 문제에서 변수로 간주되어 파라미터 변동성의 체계적인 표현이 가능하다.
• 쌍대성 이론을 사용하여 원래 기하프로그래밍 문제를 최적해가 동일한 등가 수학적 프로그램으로 변환한다.
• 재구성된 문제는 표준 비선형 프로그래밍 소프트웨어를 사용하여 해결되어 실용적 구현이 가능하다.
• 이진수 분해를 통해 고정된 값보다 더 세밀하고 현실적인 계수 및 지수 모델링이 가능하다.
• 이 방법은 기하프로그래밍의 볼록성 구조를 유지하여 전역 최적해 수렴을 보장한다.

실험 결과

연구 질문

• RQ1 기하프로그래밍은 어떻게 공학 설계 문제에서 불확실하거나 추정된 계수와 지수를 모델링할 수 있는가?
• RQ2 이진수 표현은 GP 프레임워크 내에서 비용 및 제약 파라미터의 불확실성을 효과적으로 인코딩할 수 있는가?
• RQ3 이진수 분해는 기하프로그래밍 문제의 해법 가능성과 정확성에 어떤 영향을 미치는가?
• RQ4 비용 계수와 지수를 이진수로 인코딩할 경우, 쌍대성 기반 재구성은 최적성을 어떻게 유지하는가?
• RQ5 기존 GP 접근법에 비해 제안된 방법은 모델링 정밀도를 어느 정도 향상시키는가?

주요 결과

• 제안된 방법은 이진수로 인코딩된 계수와 지수를 갖는 기하프로그래밍 문제를 표준 비선형 해소기로 해결 가능한 등가 수학적 프로그램으로 성공적으로 변환한다.
• 이진수 분해의 사용은 공학 설계 문제에서 불확실한 파라미터를 더 현실적으로 표현할 수 있도록 한다.
• 쌍대성 기반 재구성은 변환된 문제의 최적해가 원래 GP 문제의 최적해와 일치함을 보장한다.
• 두 가지 수치 예제는 본 방법이 파라미터 불확실성을 다루는 데 있어 타당성과 효율성을 입증한다.
• 이 방법은 기하프로그래밍의 볼록성 또는 전역 최적성 성질을 훼손하지 않으면서 모델링의 유연성을 향상시킨다.
• 결과는 본 방법이 실제 공학 적용에서 더 정확하고 실용적인 최적화를 지원할 수 있음을 시사한다.