[论文解读] Direct solutions to tropical optimization problems with nonlinear objective functions and boundary constraints

Nikolai Krivulin, Karel Zimmermann|arXiv (Cornell University)|Nov 10, 2013

Polynomial and algebraic computation参考文献 18被引用 7

一句话总结

本文提出了一类多维热带优化问题的直接、闭式解法，其目标函数为非线性且带有边界约束，采用幂等代数方法。通过推导目标函数的紧界并识别达到这些界的目标向量，作者提供了紧凑的向量形式解，包括对一类问题的完整解法，应用于 $ℝ_{\max,+}$ 半环中的切比雪夫逼近和定位问题。

ABSTRACT

We examine two multidimensional optimization problems that are formulated in terms of tropical mathematics. The problems are to minimize nonlinear objective functions, which are defined through the multiplicative conjugate vector transposition on vectors of a finite-dimensional semimodule over an idempotent semifield, and subject to boundary constraints. The solution approach is implemented, which involves the derivation of the sharp bounds on the objective functions, followed by determination of vectors that yield the bound. Based on the approach, direct solutions to the problems are obtained in a compact vector form. To illustrate, we apply the results to solving constrained Chebyshev approximation and location problems, and give numerical examples.

研究动机与目标

• 开发具有非线性目标函数和边界约束的热带优化问题的直接、显式解法。
• 通过推导目标函数的紧界并识别最小化向量，扩展现有解法技术。
• 提供适用于调度和定位分析等实际问题的紧凑向量形式解。
• 为某一类问题提供完整解法，优于迭代或部分解法。
• 通过在约束切比雪夫逼近和定位问题中的应用，展示该方法的有效性。

提出的方法

• 利用幂等半环代数，特别是 $ℝ_{\max,+}$ 半环，来建模优化问题。
• 采用乘法共轭向量转置来定义非线性目标函数。
• 通过代数运算和半环的性质，推导出目标函数的紧下界。
• 通过求解边界等式条件导出的系统，识别最小化向量。
• 将解法框架应用于两个具体问题：约束定位问题和约束切比雪夫逼近问题。
• 基于推导出的界，利用定理2和定理3，得出直接、紧凑的向量形式解。

实验结果

研究问题

• RQ1 能否为具有非线性目标函数和边界约束的热带优化问题获得直接、闭式解？
• RQ2 此类问题的解集结构如何？能否被完全刻画？
• RQ3 如何推导出目标函数的紧界，并利用这些界构造最小化向量？
• RQ4 在定位或逼近等问题的实际场景中，该方法能否有效应用？
• RQ5 该方法能否为某些问题类别提供完整解，而非仅特定解？

主要发现

• 对于约束定位问题，最小切比雪夫距离为 $\mu = \Delta \oplus (\bm{r}^{-} \oplus \bm{s}^{-})\bm{g} \oplus \bm{h}^{-}(\bm{r} \oplus \bm{s})$，其中 $\Delta = \sqrt{(\bm{r}^{-} \oplus \bm{s}^{-})(\bm{r} \oplus \bm{s})}$。
• 解集由向量不等式 $\mu^{-1}(\bm{r} \oplus \bm{s}) \oplus \bm{g} \leq \bm{x} \leq (\mu^{-1}(\bm{r}^{-} \oplus \bm{s}^{-}) \oplus \bm{h}^{-})^{-}$ 描述，提供了完整解。
• 在数值示例中，当 $\bm{r} = (-3,1,1)^T$，$\bm{s} = (1,3,-2)^T$，$\bm{g} = (0,0,0)^T$，$\bm{h} = (1,1,1)^T$ 时，解为 $\bm{x} \in [(0,0,0)^T, (0,1,1)^T]^T$。
• 对于约束切比雪夫逼近问题，最小误差为 $\mu = \Delta \oplus \bm{p}^{-}\bm{A}\bm{g}$，其中 $\Delta = \sqrt{(\bm{A}(\bm{p}^{-}\bm{A})^{-})^{-}\bm{p}}$。
• 最优解向量为 $\bm{x} = \mu(\bm{p}^{-}\bm{A})^{-}$，在数值示例中，得到 $\bm{x} = (2,4,3)^T$ 且 $\mu = 1$。
• 该方法成功地提供了无需迭代算法的直接、显式解，展示了在所研究问题类别中的高效性和完备性。