[论文解读] Geometric Programming Problem with Co-Efficients and Exponents Associated with Binary Numbers

Akshay Kumar Ojha, Asim K. Das|arXiv (Cornell University)|Feb 5, 2010

Robotic Mechanisms and Dynamics参考文献 19被引用 5

一句话总结

本文提出了一种新颖的几何规划（GP）方法，通过使用二进制数表示来建模成本系数、约束系数和指数，以提升工程设计优化中的现实性。通过二进制编码分解这些参数并利用对偶理论，该方法将问题转化为可使用标准非线性求解器求解的等价数学规划问题，在两个数值例子中展示了改进的建模保真度。

ABSTRACT

Geometric programming (GP) provides a power tool for solving a variety of optimization problems. In the real world, many applications of geometric programming (GP) are engineering design problems in which some of the problem parameters are estimating of actual values. This paper develops a solution procedure to solve nonlinear programming problems using GP technique by splitting the cost coefficients, constraint coefficients and exponents with the help of binary numbers. The equivalent mathematical programming problems are formulated to find their corresponding value of the objective function based on the duality theorem. The ability of calculating the cost coefficients, constraint coefficients and exponents developed in this paper might help lead to more realistic modeling efforts in engineering design areas. Standard nonlinear programming software has been used to solve the proposed optimization problem. Two numerical examples are presented to illustrate the method.

研究动机与目标

• 解决传统几何规划在建模工程设计问题中不确定或估计参数方面的局限性。
• 通过将系数和指数表示为反映估计不确定性的二进制编码值，提升建模的现实性。
• 利用二进制分解，系统性地将几何规划转化为等价的数学规划。
• 通过基于对偶的重构和标准非线性规划求解器，实现复杂非线性优化问题的求解。
• 通过数值案例研究，证明所提方法的可行性和有效性。

提出的方法

• 该方法将成本系数、约束系数和指数分解为二进制表示，以反映现实工程问题中估计不确定性的特征。
• 每个二进制编码的参数在重构问题中被视为变量，从而实现对参数变异性的结构化表示。
• 利用对偶理论将原始几何规划转化为等价的数学规划，以确保最优解的等价性。
• 使用标准非线性规划软件求解重构问题，实现实际应用。
• 二进制分解相比固定值，能够实现对系数和指数更精细且更真实的建模。
• 该方法保持了几何规划的凸性结构，确保收敛至全局最优解。

实验结果

研究问题

• RQ1 如何将几何规划扩展以建模工程设计中不确定或估计的系数和指数？
• RQ2 二进制数表示能否有效编码GP框架中成本和约束参数的不确定性？
• RQ3 二进制分解对几何规划问题的可解性和准确性有何影响？
• RQ4 当系数和指数为二进制编码时，基于对偶的重构如何保持最优性？
• RQ5 与传统GP方法相比，该方法在多大程度上提升了建模保真度？

主要发现

• 所提方法成功地将具有二进制编码系数和指数的几何规划转化为可使用标准非线性求解器求解的等价数学规划。
• 采用二进制分解能够更真实地表示工程设计问题中不确定参数的特征。
• 基于对偶的重构确保了重构问题的最优解与原始GP问题一致。
• 两个数值例子证明了该方法在处理参数不确定性方面的可行性和有效性。
• 该方法在不损害几何规划的凸性或全局最优性特性的前提下，增强了建模灵活性。
• 结果表明，该方法支持在实际工程应用中实现更精确和实用的优化。