[论文解读] A Weiszfeld-like algorithm for a Weber location problem constrained to a closed and convex set

G. Torres|arXiv (Cornell University)|Apr 4, 2012

Computational Geometry and Mesh Generation参考文献 21被引用 3

一句话总结

该论文提出了一种适用于闭凸集上约束Weber选址问题的Weiszfeld类似算法，即使迭代点落在顶点上也能保证收敛。通过结合正交投影与修正的Weiszfeld迭代，该方法生成可行的下降序列，并收敛至满足KKT条件的唯一解，在数值实验中优于标准非线性求解器。

ABSTRACT

The Weber problem consists of finding a point in $\mathbbm{R}^n$ that minimizes the weighted sum of distances from $m$ points in $\mathbbm{R}^n$ that are not collinear. An application that motivated this problem is the optimal location of facilities in the 2-dimensional case. A classical method to solve the Weber problem, proposed by Weiszfeld in 1937, is based on a fixed point iteration. In this work a Weber problem constrained to a closed and convex set is considered. A Weiszfeld-like algorithm, well defined even when an iterate is a vertex, is presented. The iteration function $Q$ that defines the proposed algorithm, is based mainly on an orthogonal projection over the feasible set, combined with the iteration function of a modified Weiszfeld algorithm presented by Vardi and Zhang in 2001. It can be seen that the proposed algorithm generates a sequence of feasible iterates that have descent properties. Under certain hypotheses, the limit of this sequence satisfies the KKT optimality conditions, is a fixed point of the iteration function that defines the algorithm, and is the solution of the constrained minimization problem. Numerical experiments confirmed the theoretical results.

研究动机与目标

• 解决经典Weiszfeld算法在迭代点落在顶点时导致的过早收敛问题。
• 为约束在闭凸集上的Weber问题开发一种鲁棒的可行迭代方法。
• 确保在满足KKT条件下的下降性质与收敛性。
• 提供一种在顶点处仍有效的明确算法，克服Weber函数可微性问题。

提出的方法

• 算法对内部点使用修正的Weiszfeld迭代函数T₀，并通过正交投影至可行集Ω进行调整。
• 当某次迭代与顶点aᵏ重合时，算法沿T₀(aᵏ)与aᵏ的连线定义新点，确保可行性。
• 迭代函数Q结合了投影与顶点处理逻辑，确保所有迭代点均位于凸可行集内。
• 该方法保证目标函数值序列f(x⁽ˡ⁾)非增，且当x⁽ˡ⁾ ≠ Q(x⁽ˡ⁾)时严格递减。
• 证明了该算法收敛至Q的不动点，该不动点对应于满足KKT条件的唯一解。
• 通过MATLAB对1000组随机实例（m=50个顶点，随机权重）进行数值验证，将该算法与fmincon对比。

实验结果

研究问题

• RQ1 能否使Weiszfeld类似算法在约束Weber问题中对顶点迭代具有鲁棒性？
• RQ2 所提出的算法在约束于闭凸集时是否能保持下降性与可行性？
• RQ3 当目标函数在顶点处不可微时，该算法是否仍能收敛至真实解？
• RQ4 与标准非线性规划求解器（如fmincon）相比，该算法在约束Weber问题中的性能如何？
• RQ5 迭代函数Q的不动点是否等价于在给定约束下满足KKT条件的解？

主要发现

• 所提出的算法生成的可行迭代序列保持下降性质，确保收敛至最优解。
• 即使某次迭代恰好落在顶点上，该算法仍能明确定义，避免了经典Weiszfeld方法的停滞问题。
• 约束Weber问题的唯一解满足KKT条件，且是迭代函数Q的不动点。
• 在1000次数值实验中，该算法在所有情况下均找到与fmincon相等或更优的解，其中35次的差异超过0.01。
• 该算法的性能优势源于其无需依赖基于梯度的方法即可处理顶点处的不可微性。