[论文解读] An algebraic approach to multidimensional minimax location problems with Chebyshev distance

Nikolai Krivulin|arXiv (Cornell University)|Nov 11, 2012

Advanced Optimization Algorithms Research参考文献 17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单设施定位问题。通过将问题重新表述为幂等半域中的特征值-特征向量计算，作者推导出无约束和约束问题的闭式解，将极小化极大优化问题转化为不可约矩阵的谱分析。

ABSTRACT

Minimax single facility location problems in multidimensional space with Chebyshev distance are examined within the framework of idempotent algebra. The aim of the study is twofold: first, to give a new algebraic solution to the location problems, and second, to extend the area of application of idempotent algebra. A new algebraic approach based on investigation of extremal properties of eigenvalues for irreducible matrices is developed to solve multidimensional problems that involve minimization of functionals defined on idempotent vector semimodules. Furthermore, an unconstrained location problem is considered and then represented in the idempotent algebra settings. A new algebraic solution is given that reduces the problem to evaluation of the eigenvalue and eigenvectors of an appropriate matrix. Finally, the solution is extended to solve a constrained location problem.

研究动机与目标

• 开发一种基于切比雪夫距离的多维极小化极大定位问题的新代数解法。
• 拓展幂等代数在设施定位复杂优化问题中的适用性。
• 通过不可约矩阵的谱理论求解无约束和约束的极小化极大定位问题。
• 为多维设施定位提供一种计算高效且分析可处理的框架。

提出的方法

• 在半域 ℝ_max,+ 上的幂等代数背景下，表述极小化极大定位问题。
• 使用涉及向量运算和矩阵乘法的代数表达式表示切比雪夫距离。
• 将无约束问题转化为特征值问题：最小化 φ₀(x) = x⁻p₀ ⊕ q₀⁻x，通过 λ₀ = (q₀⁻p₀)¹ᐟ² 求解。
• 通过构建组合向量 p₁ 和 q₁⁻ 来引入最大距离约束，然后通过 p = λ₀⁻¹p₀ ⊕ p₁ 和 q⁻ = λ₀⁻¹q₀⁻ ⊕ q₁⁻ 将其与原问题合并。
• 通过计算新特征值 λ = (q⁻p)¹ᐟ² 并以 αᵢ ∈ [0,1] 表示解向量，求解约束问题。
• 使用变换 x = α(p - λ) + (1-α)(q + λ) 表达所有可行 αᵢ 的完整解集。

实验结果

研究问题

• RQ1 如何利用幂等代数重新表述具有切比雪夫距离的多维极小化极大定位问题？
• RQ2 何种代数结构使得非线性极小化极大问题能在幂等半模中简化为线性特征值问题？
• RQ3 如何在不损失计算可处理性的前提下，将最大切比雪夫距离约束整合到代数框架中？
• RQ4 在切比雪夫距离下，约束多维极小化极大问题的解集的解析形式是什么？
• RQ5 能否利用幂等代数中不可约矩阵的谱性质，高效求解一般性定位问题？

主要发现

• 无约束极小化极大问题通过计算特征值 λ₀ = (q₀⁻p₀)¹ᐟ² 及其对应的特征向量求解，从而得到最优设施定位点。
• 对于约束问题，最小值由 λ = (q⁻p)¹ᐟ² 给出，其中 p 和 q⁻ 是由原始向量和约束向量的加权组合构造而成。
• 解集不唯一，由 αᵢ ∈ [0,1] 参数化，最优定位点位于 ℝⁿ 中的一条线段上。
• 解向量表示为 x = α(p - λ) + (1-α)(q + λ)，其中 p 和 q 由设施点与距离边界的最大值和最小值的加权组合导出。
• 当可行集为空时，可通过求解无约束问题并检查交集，实现近似解。
• 该方法推广了以往的一维和最大可分方法，能够求解更广泛类别的多维定位问题。