[论文解读] A Branch and Cut Algorithm for the Halfspace Depth Problem

Chen, Dan|arXiv (Cornell University)|May 14, 2007

Advanced Statistical Methods and Models参考文献 34被引用 5

一句话总结

本文提出了一种分支定界割平面算法，用于计算半空间深度，这是一种非参数的多元数据深度度量。该方法使用大M法将问题建模为混合整数规划（MIP），采用Chinneck的启发式算法获取上界，结合基于灵敏度分析的分支策略与不可行子系统（IIS）击中集割平面，通过COIN-OR的BCP框架实现高效求解，并利用二分查找提升数值稳定性。

ABSTRACT

The concept of data depth in non-parametric multivariate descriptive statistics is the generalization of the univariate rank method to multivariate data. Halfspace depth is a measure of data depth. Given a set S of points and a point p, the halfspace depth (or rank) k of p is defined as the minimum number of points of S contained in any closed halfspace with p on its boundary. Computing halfspace depth is NP-hard, and it is equivalent to the Maximum Feasible Subsystem problem. In this thesis a mixed integer program is formulated with the big-M method for the halfspace depth problem. We suggest a branch and cut algorithm. In this algorithm, Chinneck's heuristic algorithm is used to find an upper bound and a related technique based on sensitivity analysis is used for branching. Irreducible Infeasible Subsystem (IIS) hitting set cuts are applied. We also suggest a binary search algorithm which may be more stable numerically. The algorithms are implemented with the BCP framework from the COIN-OR project.

研究动机与目标

• 解决多元数据中半空间深度计算的NP难问题。
• 基于混合整数规划开发一种可扩展且数值稳定的半空间深度计算算法。
• 集成先进的MIP技术，如IIS击中集割平面与基于灵敏度分析的分支策略。
• 通过启发式上界与二分查找提升求解效率与鲁棒性。
• 在COIN-OR的BCP框架中实现并评估该算法。

提出的方法

• 使用大M法将半空间深度问题建模为混合整数规划（MIP）。
• 应用Chinneck的启发式算法生成分支定界过程中有效的上界。
• 利用灵敏度分析指导分支决策，提升搜索效率。
• 引入不可行子系统（IIS）击中集割平面以加强松弛问题。
• 提出一种二分查找变体，提升MIP求解过程中的数值稳定性。
• 在BCP（分支-割平面-列生成）框架内实现该算法，以支持可扩展的混合整数规划求解。

实验结果

研究问题

• RQ1 分支割平面算法能否有效求解NP难的半空间深度问题？
• RQ2 IIS击中集割平面与基于灵敏度分析的分支策略在半空间深度计算中如何提升收敛性？
• RQ3 二分查找在多大程度上增强了MIP公式在数值稳定性方面的表现？
• RQ4 与现有方法相比，所提出的算法在性能与鲁棒性方面表现如何？
• RQ5 基于大M法的MIP公式能否通过现代分支-割平面-列生成框架高效求解？

主要发现

• 该分支割平面算法通过MIP公式与高级割平面生成技术，成功实现了半空间深度的计算。
• Chinneck的启发式算法提供了有效的上界，显著加速了分支定界过程的收敛。
• 灵敏度分析使分支决策更具信息性，有效减少了搜索树的规模。
• IIS击中集割平面显著加强了MIP松弛问题，提升了边界质量。
• 二分查找变体相比标准方法展现出更优的数值稳定性。
• 在BCP框架中的实现使得大规模半空间深度实例能够被可扩展且高效地求解。