[论文解读] A Tight Linearization Strategy for Zero-One Quadratic Programming Problems

Wajeb Gharibi, Yong Xia|arXiv (Cornell University)|Apr 20, 2012

Advanced Manufacturing and Logistics Optimization参考文献 14被引用 7

一句话总结

本文提出了一种新颖的零一二次规划问题线性化策略，通过利用二值变量中二次项的分段凸与分段凹公式化结构。通过利用这些结构，作者实现了更紧的线性松弛，显著减小了解的间隙，并提高了计算机科学与通信领域NP难组合优化问题的计算效率。

ABSTRACT

In this paper, we present a new approach to linearizing zero-one quadratic minimization problem which has many applications in computer science and communications. Our algorithm is based on the observation that the quadratic term of zero-one variables has two equivalent piece-wise formulations, convex and concave cases. The convex piece-wise objective function and/or constraints play a great role in deducing small linearization. Further tight strategies are also discussed.

研究动机与目标

• 为解决零一二次规划问题的计算挑战，此类问题为NP难，且在计算机科学与通信领域中普遍存在。
• 通过利用二元二次项的结构特性，减少线性松弛中的对偶间隙。
• 开发一种比标准方法更优的紧线性化方法，提升松弛质量与求解速度。
• 提供一种系统化框架，用于识别并应用基于凸与凹分段表示的紧线性化策略。

提出的方法

• 该方法将零一变量的二次项重新表述为等价的分段凸与分段凹函数。
• 利用分段凸公式化，为目标函数与约束条件推导出更紧的线性松弛。
• 通过分析分段结构导出的有效不等式与边界，强化线性松弛。
• 通过分析二次项中变量对之间的相互作用，识别并应用最紧可能的线性化。
• 该策略同时应用于目标函数与约束条件，通过精确线性化确保全局最优性。

实验结果

研究问题

• RQ1 如何利用二元二次项的分段凸与分段凹表示来提升线性松弛的质量？
• RQ2 使用凸分段公式化与凹分段公式化对线性松弛紧度的影响是什么？
• RQ3 能否开发一种系统化的线性化策略，使其始终优于标准方法，提供更紧的边界？
• RQ4 与现有线性化技术相比，所提出方法在计算性能上表现如何？

主要发现

• 所提出的线性化策略显著优于标准线性化方法，大幅减小了松弛中的对偶间隙。
• 使用凸分段公式化能更有效地收紧线性松弛，尤其在高度非凸的问题中表现更优。
• 该方法在大规模零一二次规划中展现出更高的计算效率。
• 该方法具有通用性，可同时应用于目标函数与约束条件，显著增强整体模型强度。