[论文解读] A new algebraic solution to multidimensional minimax location problems with Chebyshev distance

Nikolai Krivulin|arXiv (Cornell University)|Oct 17, 2012

Advanced Optimization Algorithms Research被引用 13

一句话总结

本文提出了一种新颖的代数方法，利用幂等代数求解具有切比雪夫距离的多维极小化极大位置问题。通过将问题重新表述为幂等半域中的线性向量方程组，该方法通过矩阵-向量运算提供闭式解，为先前基于谱理论的方法提供了一种更直接且计算效率更高的替代方案。

ABSTRACT

Both unconstrained and constrained minimax single facility location problems are considered in multidimensional space with Chebyshev distance. A new solution approach is proposed within the framework of idempotent algebra to reduce the problems to solving linear vector equations and minimizing functionals defined on some idempotent semimodule. The approach offers a solution in a closed form that actually involves performing matrix-vector multiplications in terms of idempotent algebra for appropriate matrices and vectors. To illustrate the solution procedures, numerical and graphical examples of two-dimensional problems are given.

研究动机与目标

• 开发一种更直接且计算效率更高的求解多维极小化极大单设施位置问题（具有切比雪夫距离）的方法。
• 克服现有基于幂等代数谱理论的方法在高维情形下适用性较差的局限性。
• 将一维问题的代数技术扩展至多维情形，包括无约束和有约束两种设置。
• 利用幂等代数中的矩阵运算提供显式、闭式解，避免迭代或特征值计算。
• 通过二维空间中的数值和图形示例展示该方法的有效性。

提出的方法

• 问题在幂等代数框架内重新表述，使用具有运算 $\mathbb{R}_{\max,+}$ 的半域 $\max$ 和 $+$。
• 无约束极小化极大问题被转化为在幂等半模上最小化泛函，通过矩阵-向量乘法获得解。
• 对于约束问题，可行集由 $A\bm{x} = \bm{x}$ 或 $A\bm{x} \leq \bm{x}$ 定义，其中 $A$ 是由约束导出的矩阵。
• 解通过计算 $\bm{x} = \Delta A^{+}(\bm{q}^{-}A^{+})^{-}$（等式约束）和 $\bm{x} = \Delta A^{\ast}(\bm{q}^{-}A^{\ast})^{-}$（不等式约束）获得。
• 关键操作包括通过 $A^{+}$ 和 $A^{\ast}$ 进行矩阵求逆，以及计算标量 $\Delta = \sqrt{(A^{+}(\bm{q}^{-}A^{+})^{-})^{-}\bm{p}}$。
• 该方法依赖于在幂等代数中求解线性向量方程，避免了先前方法中使用的特征值计算。

实验结果

研究问题

• RQ1 能否利用幂等代数为具有切比雪夫距离的多维极小化极大位置问题推导出闭式解？
• RQ2 在幂等代数框架内，如何代数地表示并求解设施位置的等式与不等式约束？
• RQ3 是否可能避免使用谱理论和特征值计算，转而采用直接的矩阵-向量运算求解此类问题？
• RQ4 与基于极值特征值性质的现有方法相比，该新方法在简洁性和效率方面有何优势？
• RQ5 该方法是否能通过二维空间中的数值和图形示例得到有效说明和验证？

主要发现

• 对于无约束问题，最优位置为 $\bm{x} = (2, 9)^T$，其中 $\Delta = 4$，由 $\bm{p} = (6, 13)^T$ 和 $\bm{q} = (-2, 5)^T$ 推导得出。
• 在等式约束 $A\bm{x} = \bm{x}$ 下，其中 $A = \begin{pmatrix} 0 & -3 \\ -5 & -2 \end{pmatrix}$，解为 $\bm{x} = (8, 3)^T$，$\Delta = 10$。
• 在不等式约束 $A\bm{x} \leq \bm{x}$ 下，解为 $\bm{x} = (4, 7)^T$，$\Delta = 6$，通过 $A^{\ast}$ 和 $\bm{q}^{-}A^{\ast}$ 获得。
• 该方法仅通过幂等代数中的矩阵-向量运算即可提供闭式解，避免了迭代或基于特征值的计算。
• 与依赖幂等代数中不可约矩阵谱理论的先前方法相比，该方法更为直接且简单。
• 图形说明确认最优位置位于切比雪夫距离目标函数等值线的中心。