[논문 리뷰] Successive Quadratic Upper-Bounding for Discrete Mean-Risk Minimization and Network Interdiction

Alper Atamtürk, Carlos Deck외 1명|arXiv (Cornell University)|2017. 08. 08.

Infrastructure Resilience and Vulnerability Analysis인용 수 4

한 줄 요약

이 논문은 원뿔 이차 목표를 가진 이산 평균-위험 최소화 문제를 위한 연속적인 이차 상한 근사 방법을 제안한다. 문제를 재구성하여 이차 최적화를 통한 빠른 웜스타트를 가능하게 한다. 스토하스틱 네트워크 인터디션에 적용했을 때, 정확한 브랜치 앤 바운드 방법 대비 최대 100배 빠르게 최적해의 1–2% 이내의 해를 도출한다.

ABSTRACT

The advances in conic optimization have led to its increased utilization for modeling data uncertainty. In particular, conic mean-risk optimization gained prominence in probabilistic and robust optimization. Whereas the corresponding conic models are solved efficiently over convex sets, their discrete counterparts are intractable. In this paper, we give a highly effective successive quadratic upper-bounding procedure for discrete mean-risk minimization problems. The procedure is based on a reformulation of the mean-risk problem through the perspective of its convex quadratic term. Computational experiments conducted on the network interdiction problem with stochastic capacities show that the proposed approach yields solutions within 1-2% of optimality in a small fraction of the time required by exact search algorithms. We demonstrate the value of the proposed approach for constructing efficient frontiers of flow-at-risk vs. interdiction cost for varying confidence levels.

연구 동기 및 목표

• 원뿔 이차 목표를 가진 이산 평균-위험 최소화 문제의 계산 비가역성 문제를 해결하기 위해.
• 직접 고비용 원뿔 최적화 하위문제를 해결하지 않고도 빠르고 웜스타트 友好的한 휴리스틱을 개발하기 위해.
• 불확실한 용량을 가진 스토하스틱 네트워크 인터디션에 대한 효과성을 입증하기 위해.
• 다양한 신뢰수준에서 유량-위험 대 비용의 트레이드오프 프론티어를 효율적으로 구축하기 위해.
• 0-1 혼합정수계획법에 대해 평균-위험 목표를 가진 일반화 가능한 프레임워크를 제공하기 위해.

제안 방법

• 이차 항의 퍼스펙티브 리 릴랙세이션을 활용하여 원뿔 이차 평균-위험 문제를 재구성한다.
• 위험 파라미터에 대한 바이섹션 서치에 재구성된 문제를 통합하여 상한 근사를 점진적으로 강화한다.
• 각 바이섹션 단계에서 이산 이차 최적화 하위문제의 시퀀스를 풒어 빠른 웜스타트를 가능하게 한다.
• 스프링 트리나 매트로이드와 같은 구조적 제약 조건에 특히 효과적인 심플렉스 기반 알고리즘을 이차 및 선형 하위문제에 적용한다.
• 스토하스틱 간선 용량을 가진 네트워크 인터디션에 이 방법을 적용하며, 위험은 VaR 및 로버스트 한계를 통해 모델링한다.
• 이차 항의 하위모듈라리티를 활용하여 순차적 근사 과정에서 날카운 상한을 유도한다.

실험 결과

연구 질문

• RQ1 연속적인 이차 상한 근사 절차가 해의 품질을 훼손하지 않고도 이산 평균-위험 문제의 해법 시간을 크게 줄일 수 있는가?
• RQ2 불확실한 용량을 가진 스토하스틱 네트워크 인터디션 문제에서 이 방법이 최적해를 얼마나 잘 근사하는가?
• RQ3 이차 최적화에서의 웜스타트 기능이 직접 원뿔 최적화에 비해 성능 향상에 얼마나 기여하는가?
• RQ4 정확한 알고리즘으로 해결 가능한 크기 이외의 대규모 네트워크 인스턴스에서 이 방법의 확장성은 어떠한가?
• RQ5 이 방법은 원뿔 이차 목표를 가진 다른 0-1 혼합정수계획법으로 일반화될 수 있는가?

주요 결과

• 제안된 방법은 네트워크 인터디션 인스턴스에서 최적해의 1–2% 이내의 해를 도출하며, 정확한 브랜치 앤 바운드 알고리즘에 비해 소요 시간의 극히 작은 비율로 이를 달성한다.
• 20×20 격자 네트워크에서 평균적으로 2.8%의 갭을 기록했으며, 평균 해법 시간은 1.36초였다.
• 더 큰 100×100 네트워크에서는 평균 10.2회의 반복을 거쳐, 볼록 리 릴랙세이션 대비 31.08%의 정수성 갭을 가진 해를 도출했다.
• CPLEX에 컷을 적용한 경우에 비해 최대 100배 빠른 성능을 보였으며, 특히 CPLEX가 100×100 격자에서 3,000초 이상 소요되는 상관관계가 있는 인스턴스에서는 뚜렷한 우수성을 보였다.
• 이 방법은 다양한 신뢰수준에서의 유량-위험 대 비용 프론티어를 효율적으로 구축할 수 있었으며, 위험 회피 의사결정에서 실용적 유용성을 입증했다.
• 이 방법은 상관관계가 없는 및 상관관계가 있는 스토하스틱 용량을 포함한 다양한 문제 구조에 대해 강건하며, 대규모 인스턴스에 대해 효과적으로 확장 가능하다.