[논문 리뷰] Interval Linear Programming under Transformations: Optimal Solutions and Optimal Value Range

Elif Garajová, Milan Hladík외 1명|arXiv (Cornell University)|2018. 02. 27.

Water resources management and optimization참고 문헌 19인용 수 33

한 줄 요약

이 논문은 표준 선형 프rog래밍 변환 방식이 간격 선형 프로그래밍(ILP)에 미치는 영향을 조사하며, 일부 변환은 최적 해와 최적 값 범위를 유지하지만, 다른 변환은 독립적인 계수 변동으로 인해 종속성 문제를 유발함을 보여준다. 주요 기여는 고정 계수 행렬을 가진 ILP에 대해, 방정식 분할이나 자유 변수 대체와 같은 변환이 최적 값의 유한 집합을 유지함을 증명하는 것이다. 이는 무한한 경계가 변화할 수 있음에도 불구하고 성립한다.

ABSTRACT

Interval linear programming provides a tool for solving real-world optimization problems under interval-valued uncertainty. Instead of approximating or estimating crisp input data, the coefficients of an interval program may perturb independently within the given lower and upper bounds. However, contrarily to classical linear programming, an interval program cannot always be converted into a desired form without affecting its properties, due to the so-called dependency problem. In this paper, we discuss the common transformations used in linear programming, such as imposing non-negativity on free variables or splitting equations into inequalities, and their effects on interval programs. Specifically, we examine changes in the set of all optimal solutions, optimal values and the optimal value range. Since some of the considered properties do not holds in the general case, we also study a special class of interval programs, in which uncertainty only affects the objective function and the right-hand-side vector. For this class, we obtain stronger results.

연구 동기 및 목표

• 표준 선형 프로그래밍 변환 방식이 간격 선형 프로그래밍(ILP)에 미치는 영향을 분석하며, 특히 최적 해와 최적 값의 범위에 대해 다룬다.
• 독립적인 계수 변동으로 인한 종속성 문제에도 불구하고 ILP의 기본 성질을 유지하는 변환을 특정한다.
• 불확실성이 목표 함수와 우항에 국한된 특수한 ILP 클래스를 연구하여 더 강력한 이론적 결과를 도출한다.
• 다양한 ILP 공식화 간 최적 해 집합과 최적 값의 범위가 동일하게 유지되는 조건을 명확히 한다.
• 특정 변환에 대해 불변 성질을 식별하여, 한 ILP 형태에서의 결과를 다른 형태로 일반화할 수 있는 기초를 마련한다.

제안 방법

• 논문은 제약 행렬, 우항, 목표 함수에 간격 계수를 가진 결정론적 선형 프로그래밍의 집합으로서 간격 선형 프로그래밍을 정의한다.
• 세 가지 일반적인 변환을 분석한다: 등식을 부등식으로 변환하기, 자유 변수를 비음이 아닌 변수의 차수로 대체하기, 슬랙 변수 추가하기.
• 강한 이중성과 선형 프로그래밍의 성질을 활용하여, 변환된 프로그램과 원래 프로그램 간의 최적 값 집합을 비교하는 이론적 분석을 수행한다.
• 더 강력한 보존 결과를 도출하기 위해, 불확실성이 목표 함수와 우항에만 영향을 주는 고정 계수 행렬을 가진 ILP에 집중한다.
• 이중성과 타당성 논증을 사용하여 특정 변환 하에서 최적 값의 유한 집합이 보존됨을 보여주는 핵심 정리를 증명한다.
• 반례를 사용하여 일반적인 변환이 유도된 비가능성 또는 무한성으로 인해 최적 값의 범위가 변화시킬 수 있음을 보여준다.

실험 결과

연구 질문

• RQ1 표준 선형 프로그래밍 변환 중 어떤 것들이 간격 선형 프로그래밍에서 모든 최적 해 집합을 유지하는가?
• RQ2 변환이 간격 선형 프로그래밍의 최적 값의 범위에 어떤 영향을 미치는가? 특히 독립적인 계수 변동이 존재할 경우에 대해 다룬다.
• RQ3 최적 값의 유한 집합이 변환에 의해 그대로 유지될 수 있는가? 이는 최적 값의 범위가 무한 경계로 인해 변화할 수 있음에도 불구하고 성립하는가?
• RQ4 간격 최적화에서 종속성 문제가 ILP 공식화의 타당한 변환을 방해하는 조건은 무엇인가?
• RQ5 목표 함수와 우항 벡터에만 불확실성이 국한된 ILP에서는 더 강력한 보존 결과가 성립하는가?

주요 결과

• 등식 제약 조건을 두 개의 부등식으로 분할하면, 최소화 문제에서 최적 값의 범위 하한(최선의 경우 최적 값)이 유지된다.
• 자유 변수를 두 개의 비음이 아닌 변수의 차수로 대체하면, 최소화 문제에서 최적 값의 범위 상한(최악의 경우 최적 값)이 유지된다.
• 고정 계수 행렬을 가진 ILP에 대해서는, 방정식 분할과 자유 변수 대체 변환 모두에서 모든 유한 최적 값의 집합이 그대로 유지된다.
• 최적 해 집합은 일반적으로 변환에 의해 유지되지 않으며, 고정 계수 행렬이더라도 시나리오 간 타당 집합의 변화로 인해 그렇다.
• 변환은 비가능성 또는 무한성 시나리오를 유도할 수 있으며, 이로 인해 원래 프로그램이 유한한 경계를 가졌더라도 최적 값의 범위가 무한 경계를 포함하도록 확장될 수 있다.
• 결과적으로, 핵심 변환 하에서 최적 값의 유한 집합이 불변임을 입증하여, 다양한 ILP 공식화 간 결과를 일반화할 수 있는 기초를 마련한다.