[논문 리뷰] Generalized adaptive partition-based method for two-stage stochastic linear programs : convergence and generalization

Maël Forcier, Vincent Leclère|arXiv (Cornell University)|2021. 09. 10.

Risk and Portfolio Optimization참고 문헌 17인용 수 1

한 줄 요약

이 논문은 고정 재활용을 갖는 이단계 확률적 선형 프로그래밍 문제에 대해 일반화된 적응 분할 기반 방법인 G2APM을 제안한다. 이 방법은 이중 적합 집합의 정규 피라미드를 활용하여 분할 적응을 위한 필수 및 필요조건을 제공한다. 유한 분포 및 연속 분포 모두에서 수렴성을 입증하였고, 이전의 APM 방법을 확장하며 수렴하는 상한을 제공한다. 수치 결과는 Prod-Mix 및 CVaR를 포함한 벤치마크 문제에서 타당한 상한을 보여준다.

ABSTRACT

Adaptive Partition-based Methods (APM) are numerical methods to solve two-stage stochastic linear problems (2SLP). The core idea is to iteratively construct an adapted partition of the space of alea in order to aggregate scenarios while conserving the true value of the cost-to-go for the current first-stage control. Relying on the normal fan of the dual admissible set, we extend the classical and generalized APM method by i) extending the method to almost arbitrary 2SLP, ii) giving a necessary and sufficient condition for a partition to be adapted even for non-finite distribution, and iii) proving the convergence of the method. We give some additional insights by linking APM to the L-shaped algorithm.

연구 동기 및 목표

• 유한 분포뿐만 아니라 연속 분포를 갖는 일반적인 이단계 확률적 선형 프로그래밍 문제에 대해 적응 분할 기반 방법(APM)을 확장한다.
• 이중 적합 집합의 정규 피라미드를 이용하여 분할이 특정 제1단계 결정에 대해 적응되었는지의 필수 및 필요조건을 설정한다.
• 유한 및 연속 분포 모두에서 일반화된 방법(G2APM)의 수렴성을 입증한다.
• 추가적인 계산 비용 없이 기대 목적 함수의 상한이 수렴하도록 보장한다.
• 접선 콘을 포함한 공통적인 기하학적 해석을 통해 APM, GAPM 및 L-shaped 방법을 통합한다.

제안 방법

• 이 방법은 이중 적합 집합 D의 정규 피라미드를 사용하여 제1단계 결정 x에 대해 분할이 적응되었는지의 필수 및 필요조건을 정의한다.
• 기대 목적 함수를 랜덤 벡터 ξ의 조건부 기대값을 사용하는 분할 영역의 합으로 기술한다.
• 반복적으로 분할 영역을 이중 정규 콘을 기반으로 나누어, 집계된 재활용 비용이 진짜 기대 목적 함수와 일치하도록 한다.
• 다각형 기하학과 polymake에서의 H/V-표현을 사용하여 조건부 기대값, 확률 및 개선을 동시에 계산한다.
• 낮은 차원에서 이중 기술적 행렬 T를 고정함으로써 이중 기술적 문제를 피하고, 분할 콘의 효율적인 V-표현을 가능하게 한다.
• APM, GAPM 및 L-shaped 방법을 모두 정확한 접선 콘을 사용하여 기대 목적 함수를 근사하는 방식으로 해석함으로써 수렴성 증명이 가능해진다.

실험 결과

연구 질문

• RQ1 일반적인 이단계 확률적 선형 프로그래밍 문제에 대해 연속 분포를 갖는 경우, 분할 적응을 위한 필수 및 필요조건을 유도할 수 있는가?
• RQ2 적응 분할 기반 방법은 유한 지지 분포와 고정 기술적 행렬을 초월하여 어떻게 일반화될 수 있는가?
• RQ3 G2APM 방법과 L-shaped 방법 간의 근사 전략 및 수렴성 측면에서의 관계는 무엇인가?
• RQ4 이 방법은 추가 계산 없이 최적값에 대한 수렴하는 상한을 제공할 수 있는가?
• RQ5 G2APM의 계산 복잡도와 연속 랜덤 변수를 갖는 벤치마크 문제에서의 실용적 성능는 어떠한가?

주요 결과

• G2APM는 고정 재활용과 일반적인 연속 분포를 갖는 이단계 확률적 선형 프로그래밍 문제에 대해 수렴성을 입증하였으며, 이는 이전의 APM 및 GAPM 방법을 확장한 것이다.
• 이 방법은 이중 적합 집합의 정규 피라미드를 기반으로 한 분할 적응을 위한 필수 및 필요조건을 설정하였고, 이는 비유한 분포에 대해서도 유효하다.
• Prod-Mix 문제에서 G2APM는 반복 10회차에 하한 -17711.56과 상한 -17711.57을 기록하여 갭이 0.01로 매우 높은 정확도를 보였다.
• 이 방법은 추가 비용 없이도 상한이 수렴하도록 보장하며, 각 반복에서 상한이 업데이트되고 단조롭게 향상된다.
• 수치 결과는 G2APM가 이전 방법을 근사하거나 초월하며, 10,000개 표본 SAA(95% 신뢰구간: -17711 ± 2.2)와 유사한 타당한 상한을 제공함을 보여주었다.
• 이 방법은 APM, GAPM 및 L-shaped 방법 간의 기하학적 연결을 드러내었으며, 이들이 모두 정확한 접선 콘을 사용하여 기대 목적 함수를 근사하는 방식임을 밝혔다.