[논문 리뷰] Min-Max Regret Problems with Ellipsoidal Uncertainty Sets

André Chassein, Marc Goerigk|arXiv (Cornell University)|2016. 06. 03.

Risk and Portfolio Optimization참고 문헌 20인용 수 9

한 줄 요약

이 논문은 타원형 불확실성 집합 하에서 최소-최대 회귀 조합 최적화 문제에 대한 정확한 해법을 제안하며, 시나리오 완화를 위한 두 가지 유형의 컷과 두 가지 선형화 기법을 도입한다. 주요 기여는 타입 2 컷과 하위문제 선형화 B가 다른 방법들보다 뛰어나며, 특히 밀도가 높은 편차 행렬에서 빠른 최적 해를 도출할 수 있음을 보여준다.

ABSTRACT

We consider robust counterparts of uncertain combinatorial optimization problems, where the difference to the best possible solution over all scenarios is to be minimized. Such minmax regret problems are typically harder to solve than their nominal, non-robust counterparts. While current literature almost exclusively focuses on simple uncertainty sets that are either finite or hyperboxes, we consider problems with more flexible and realistic ellipsoidal uncertainty sets. We present complexity results for the unconstrained combinatorial optimization problem and for the shortest path problem. To solve such problems, two types of cuts are introduced, and compared in a computational experiment.

연구 동기 및 목표

• 유한하거나 초상자 형태의 불확실성 집합 외에 더 유연하고 현실적인 불확실성 집합을 고려한 최소-최대 회귀 문제에 대한 연구 부족을 보완하기 위해.
• 특히 비제약 및 최단경로 문제에 대해 타원형 불확실성 하에서 최소-최대 회귀 문제의 계산 복잡도를 조사하기 위해.
• 두 가지 유형의 컷과 두 가지 하위문제 선형화 기법을 사용한 시나리오 완화 기반 효과적인 정확한 해법을 개발하고 비교하기 위해.
• 비제약 및 최단경로 문제에 대해 이러한 방법들의 계산 성능을 실증적으로 평가하기 위해.
• 특정 컷 유형과 선형화 전략이 행렬의 밀도 및 편차 행렬 C의 값 크기와 같은 조건에서 뛰어난 계산 성능를 발휘하는 조건을 규명하기 위해.

제안 방법

• 조합 최적화 문제의 강건 대응으로서 축에 평행하거나 일반적인 타원형 불확실성 집합을 사용하여 최소-최대 회귀 문제를 수식화한다.
• 시나리오 완화 절차에서 애초에 악화된 시나리오 집합을 점진적으로 개선하기 위해 타입 1 및 타입 2의 두 가지 유형의 컷을 도입한다.
• 주어진 해에 대해 악화된 시나리오를 식별하는 하위문제를 해결하기 위해 두 가지 선형화 기법(A 및 B)을 제안한다.
• 하위문제를 통해 식별된 악화된 시나리오에 기반해 동적으로 컷을 생성하는 브랜치-앤드 컷 프레임워크를 활용한다.
• 여러 인스턴스 클래스에 걸쳐 C1-A, C1-B, C2-A, C2-B 해법 접근 방식의 계산 효율성을 비교하기 위해 성능 프로파일 분석을 실시한다.
• 각 인스턴스당 시간 제한을 900초로 설정하고, CPLEX에서 발생한 수치적 실패 사례를 시간 제한 초과로 간주하여 평가한다.

실험 결과

연구 질문

• RQ1 타원형 불확실성 집합을 사용할 경우, 기존의 유한 또는 초상자 집합과 비교해 최소-최대 회귀 문제의 계산 복잡도는 어떻게 변화하는가?
• RQ2 특히 비제약 및 최단경로 문제에 대해 타원형 불확실성 집합을 갖는 최소-최대 회귀 문제에 대해 효율적인 정확한 알고리즘을 개발할 수 있는가?
• RQ3 타원형 불확실성 하에서 시나리오 완화 절차에서 타입 1 또는 타입 2 컷 중 어느 것이 더 적은 반복 수와 더 빠른 수렴을 이끌어내는가?
• RQ4 하위문제 선형화 A 또는 B 중 어느 것이 악화된 시나리오 생성 과정에서 더 뛰어난 성능과 수치적 안정성을 제공하는가?
• RQ5 편차 행렬 C의 밀도 및 값 크기와 같은 조건에서 특정 해법 접근 방식의 성능 향상이 두드러지게 나타나는 조건은 무엇인가?

주요 결과

• 비제약 문제의 경우, 특히 편차 행렬 C가 밀도가 높고 값이 클 경우 타입 2 컷이 타입 1 컷보다 뛰어나며, 필요한 반복 수를 줄인다.
• 악화된 시나리오 하위문제를 해결하는 데 있어 선형화 B가 항상 선형화 A보다 뛰어나며, 이는 전체 수렴 속도 향상으로 이어진다.
• 비제약 문제에서 C2-B 해법(타입 2 컷 + 선형화 B)이 전체적으로 가장 뛰어난 성능을 보이며, 900초 시간 제한 내에 더 많은 인스턴스를 해결한다.
• 최단경로 문제에서는 C2-B의 성능 우월성이 비제약 문제만큼 두드러지지 않지만, 타입 2 컷이 자주 타당하지 않기 때문이다. 그러나 C2-B는 여전히 다른 조합보다 뛰어나다.
• 선형화 B에서 큰 bigM 상수로 인해 CPLEX에서 수치적 불안정성이 발생하여 5개의 인스턴스가 실패했으며, 이는 시간 제한 초과로 간주되었다.
• 편차 행렬 C가 밀도가 높고 값이 클 경우 C2-B와 다른 방법 간의 성능 격차가 가장 두드러지며, 이 경우 오직 두 개의 컷(y=0 및 y=1)만으로도 문제를 최적으로 해결할 수 있다.