[论文解读] A Novel Mathematical Model for the Unique Shortest Path Routing Problem

Ch. Zhang|arXiv (Cornell University)|Jun 30, 2008

Network Traffic and Congestion Control参考文献 13被引用 3

一句话总结

本文提出了一种新颖的基于起点的数学模型（OBM），用于唯一最短路径路由问题，通过多项式数量的约束进行公式化，从而能够通过分解方法实现高效的精确求解。与以往基于需求的公式化相比，OBM 减少了模型规模并改善了约束结构，使 Benders 分解的收敛速度更快，并在大规模网络实例上优于现有方法。

ABSTRACT

Link weights are the principal parameters of shortest path routing protocols, the most commonly used protocols for IP networks. The problem of optimally setting link weights for unique shortest path routing is addressed. Due to the complexity of the constraints involved, there exist challenges to formulate the problem properly, so that a solution algorithm may be developed which could prove to be more efficient than those already in existence. In this paper, a novel complete formulation with a polynomial number of constraints is first introduced and then mathematically proved to be correct. It is further illustrated that the formulation has advantages over a prior one in terms of both constraint structure and model size for a proposed decomposition method to solve the problem.

研究动机与目标

• 开发一种完整且精确的数学公式化方法，用于唯一最短路径路由问题，约束数量为多项式级别。
• 解决以往启发式和不完整公式化方法的局限性，这些方法无法保证最优性。
• 通过支持有效的分解算法（特别是 Benders 分解）来提高求解效率。
• 从约束结构和模型规模两个方面，将新公式化方法与现有的基于需求的模型进行比较。
• 为可扩展的、精确求解实际网络路由问题（适用于中等规模数据实例）提供基础。

提出的方法

• 提出一种基于起点的公式化方法（OBM），将约束围绕起点节点重新组织，而非单个需求，从而降低复杂度。
• 从数学上证明 OBM 在可行性与最优性方面与原始问题等价且正确。
• 引入辅助流变量和流约束，以显式建模路径唯一性与路由决策。
• 证明 OBM 可将整体问题分解为一个主问题和两个子问题，从而提升算法灵活性。
• 将 Benders 分解应用于 OBM，实现每个起点节点独立的子问题，提升可扩展性。
• 基于大规模网络实例，使用模型规模和约束结构指标，将 OBM 与先前的基于需求的模型（DBM）进行比较。

实验结果

研究问题

• RQ1 如何通过多项式数量的约束，对唯一最短路径路由问题进行数学公式化，以确保可精确求解？
• RQ2 与基于需求的公式化相比，基于起点的公式化在分解效率方面具有哪些结构优势？
• RQ3 在大规模网络实例上，新公式化的模型规模与现有公式化方法相比如何？
• RQ4 新公式化方法是否能够支持更高效的分解算法，如 Benders 分解？
• RQ5 通过新模型结构，可在求解速度和可扩展性方面实现哪些改进？

主要发现

• 在包含 50 个节点、642 条链路和 1,000 个需求的大规模实例中，基于起点的模型（OBM）将原始问题中的变量数量从超过 645,000 个减少至 64,200 个。
• 原始问题中的约束数量从超过 130 万个降低至 OBM 中的 37,742 个，实现了显著减少。
• OBM 中的主问题变量和约束数量仅为基于需求的模型（DBM）主问题的二十分之一。
• 与 DBM 的一个主问题和一个子问题相比，OBM 支持更灵活的分解结构——即一个主问题和两个子问题。
• OBM 改进的约束结构和更小的模型规模，提升了 Benders 分解的效率，并在实践中支持更快的收敛速度。
• 本文证明 OBM 在可行性与最优性方面与原始问题完全等价且正确，验证了其作为稳健求解框架的适用性。