[논문 리뷰] The SCIP Optimization Suite 8.0

Ksenia Bestuzheva, Mathieu Besançon외 33명|arXiv (Cornell University)|2021. 12. 16.

Constraint Satisfaction and Optimization인용 수 11

한 줄 요약

이 논문은 수학적 최적화 분야에서 선도적인 프레임워크인 SCIP 최적화 스위트 8.0을 제시한다. 이는 이차형, 비볼록, 혼합정수선형 및 비선형 프로그램에 대한 성능 향상과 함께 대칭성 처리 향상, 새로운 표현 프레임워크를 통한 비선형 제약 조건 관리 향상, 새로운 컷 분리기, Julia 및 MATLAB 지원을 포함한다. 이 릴리스는 비볼록 MINLP 문제에서 평균적으로 21%의 런타임 감소를 달성했으며, 도전적인 MILP 인스턴스에서는 최대 50%의 성능 향상을 보였다. 스위트의 모든 구성 요소에서 알고리즘적 및 생태계적 향상이 두드러졌다.

ABSTRACT

The SCIP Optimization Suite provides a collection of software packages for mathematical optimization centered around the constraint integer programming framework SCIP. This paper discusses enhancements and extensions contained in version 8.0 of the SCIP Optimization Suite. Major updates in SCIP include improvements in symmetry handling and decomposition algorithms, new cutting planes, a new plugin type for cut selection, and a complete rework of the way nonlinear constraints are handled. Additionally, SCIP 8.0 now supports interfaces for Julia as well as Matlab. Further, UG now includes a unified framework to parallelize all solvers, a utility to analyze computational experiments has been added to GCG, dual solutions can be postsolved by PaPILO, new heuristics and presolving methods were added to SCIP-SDP, and additional problem classes and major performance improvements are available in SCIP-Jack.

연구 동기 및 목표

• 혼합정수선형 및 비선형 프로그램을 위한 최적화 프레임워크인 SCIP 최적화 스위트의 성능을 향상시켜 수학적 최적화 분야의 최신 기술 수준을 높이기.
• 대칭성 처리, 분해, 비선형 제약 조건 처리 분야의 알고리즘 혁신을 통해 SCIP 프레임워크의 성능 및 확장성 향상.
• Julia 및 MATLAB용 네이티브 인터페이스 추가를 통해 사용성 향상 및 스위트 전반에 걸쳐 병렬 처리 및 실험 분석의 통합.
• 예비처리, 후처리, 벤치마킹을 위한 개선된 도구를 통해 생태계 강화, 신규 플러그인 및 유틸리티 포함.
• MILP, MINLP, SDP, 스티너 트리 문제를 포함한 다양한 문제 유형에서 측정 가능한 성능 향상 제공.

제안 방법

• 이차형, 비볼록, 퍼스펙티브 항목 등을 포함한 복잡한 함수의 대수적 모델링을 지원하는 새로운 표현 프레임워크를 활용해 비선형 제약 조건 핸들러를 재구현.
• 자신의 컷 선택을 위한 새로운 플러그인 아키텍처를 도입하여 분기-컷 과정에서 컷 평면의 동적 및 적응적 선택 가능.
• 표현 구문 분석과 제약 조건 실행을 분리함으로써 비선형 제약 조건 처리 방식을 재설계하여 수치적 안정성과 유연성 향상.
• 선형 및 비선형 제약 조건 모두에서 대칭성을 탐지하고 활용할 수 있도록 SCIP 내 대칭성 처리 능력을 강화함. 신규 대칭 인식 분리 및 분할 전략 포함.
• 모든 스위트 내 솔버에 대한 통합된 병렬화 인터페이스를 제공하기 위해 UG 프레임워크를 확장하여 저수준 병렬화 로직을 추상화.
• PaPILO에 이중 해 후처리 기능을 추가하고, SCIP-SDP 및 SCIP-Jack에 새로운 휴리스틱 기법과 예비처리 기법을 도입.

실험 결과

연구 질문

• RQ1 비선형 및 혼합정수 최적화의 성능는 제약 조건 처리 및 컷 선택을 향상시켜 어떻게 향상시킬 수 있는가?
• RQ2 SCIP 내 신규 표현 프레임워크는 비선형 프로그램의 수치적 안정성과 모델링의 유연성에 어떤 영향을 미치는가?
• RQ3 UG를 통한 통합된 병렬화 방식은 스위트 내 다양한 최적화 문제에 대해 확장성 향상에 얼마나 기여하는가?
• RQ4 SCIP 8.0의 새로운 알고리즘 구성 요소를 통해 비볼록 MINLP 및 도전적인 MILP 인스턴스에서 기대할 수 있는 성능 향상은 어느 정도인가?
• RQ5 Julia 및 MATLAB용 새로운 인터페이스는 학술 및 산업 분야의 최적화 워크플로우에서 사용성 및 통합 가능성에 어떤 영향을 미치는가?

주요 결과

• SCIP 8.0은 비볼록 MINLP 인스턴스에서 평균적으로 21%의 런타임 감소를 달성했으며, 볼록 인스턴스에서는 약간의 저하가 있었지만 수치적 실패는 감소시켰다.
• 신규 표현 프레임워크와 비선형 제약 조건 핸들러는 이차형, 비볼록, 퍼스펙티브 항목을 포함한 복잡한 비선형성의 처리에 있어 강건성과 효율성을 크게 향상시켰다.
• Julia 및 MATLAB용 새로운 인터페이스를 통해 연구자 및 실무자들이 SCIP를 보다 쉽게 접근하고 통합할 수 있는 잠재력이 확대되었다.
• 통합된 UG 프레임워크를 통해 스위트 내 모든 솔버에 대해 별도의 솔버 수정 없이 투명한 병렬화를 구현할 수 있었으며, 유지보수성과 확장성 향상에 기여했다.
• SCIP-Jack은 주요 성능 향상과 함께 두 가지 새로운 문제 유형을 지원하게 되어, 선도적인 스티너 트리 솔버로서의 역할을 더욱 강화했다.
• PaPILO는 순수 선형계획 문제에 대한 이중 해 후처리를 지원하게 되었으며, SCIP-SDP는 새로운 휴리스틱 기법과 개선된 리스크 조정 처리 기능을 포함해 반정형계획 문제에서의 성능이 향상되었다.