[论文解读] Exact cost minimization of a series-parallel system

F. Castro, J. Gago+3 more|arXiv (Cornell University)|Mar 15, 2012

Reliability and Maintenance Optimization参考文献 3被引用 3

一句话总结

本论文提出一种基于Gröbner基的精确代数方法，用于求解具有多种组件选择的串并联系统中的成本最小化问题。通过推导出测试集的闭式表达式，该方法避免了计算成本高昂的Gröbner基计算，相较于以往方法实现了显著的加速，尤其在组件成本与可靠性相关的情况下表现更优。

ABSTRACT

The redundancy allocation problem is formulated minimizing the design cost for a series-parallel system with multiple component choices whereas ensuring a given system reliability level. The obtained model is a nonlinear integer programming problem with a non linear, non separable constraint. We propose an algebraic method, based on Gröbner bases, to obtain the exact solution of the problem. In addition, we provide a closed form for the required Gröbner bases, avoiding the bottleneck associated with the computation, and promising computational results.

研究动机与目标

• 解决具有多种组件选择的串并联系统中的NP难冗余分配问题，最小化总成本的同时满足指定的系统可靠性水平。
• 通过使用代数技术克服传统方法（如分支定界法和拉格朗日松弛法）的计算瓶颈。
• 开发一种精确解法，通过测试集的闭式公式避免迭代的Gröbner基计算。
• 与现有精确算法相比，提升计算效率并减少CPU时间，尤其在高维情况下表现更优。
• 在具有成本与可靠性相关性的实际测试案例上验证该方法，反映真实工程设计约束。

提出的方法

• 将可靠性优化问题建模为带有非可分、非线性可靠性约束的非线性整数规划问题。
• 通过贪心算法导出的线性约束替换非线性可靠性约束，构建松弛线性整数规划，以获得可行的初始解。
• 利用闭式表达式计算与线性约束相关的环理想（toric ideal）的Gröbner基，从而无需耗时的约化算法。
• 使用由此得到的测试集（源自Gröbner基）执行下降算法，在每一步提升目标函数值，直至找到最优解。
• 在MATLAB中实现该算法，采用回溯过程高效探索解空间，方向由测试集确定。
• 将该方法应用于不同规模系统和组件选择的基准实例，与基于拉格朗日松弛法和分支定界法的现有方法进行性能比较。

实验结果

研究问题

• RQ1 基于Gröbner基的代数方法能否为具有多种组件选择的串并联系统的成本最小化问题提供精确解？
• RQ2 能否推导出测试集的闭式表达式，以避免在此类问题中Gröbner基计算的计算开销？
• RQ3 与现有精确方法（如分支定界法和拉格朗日松弛法）相比，所提方法在计算效率和可扩展性方面表现如何？
• RQ4 组件成本与可靠性之间的相关性对算法性能和解质量有何影响？
• RQ5 该方法能否与启发式策略有效结合，在保持最优性保证的前提下实现快速、近似最优解？

主要发现

• 与以往精确算法（如文献[11]中的割分方案）相比，该方法在显著减少CPU时间的同时实现精确解，尤其在较大系统中表现更优。
• 对于包含20个子系统和2种组件类型的情况，该算法平均仅需276秒，处理294,747个节点，优于文献[11]中类似问题报告的85,103次迭代。
• 在组件成本与可靠性相关的情况下，该方法精确求解了所有测试实例，小系统（n=10, k≤5）的平均CPU时间低于10秒，n=17, k=2时低于15分钟。
• 当组件可靠性较低（r_ij ∈ [0.98, 0.99]）时，算法性能有所下降，但仍能寻找到最优解，表明在挑战性条件下具备鲁棒性。
• 在回溯过程中首次找到可行解时停止算法，可在数秒内获得高质量近似解，表明其与启发式方法结合具有强大潜力。
• 闭式Gröbner基构造消除了对昂贵约化步骤的需求，使该方法在实际工程设计问题中具备可扩展性和实用性。