[论文解读] Relaxation schemes for mathematical programs with switching constraints

Christian Kanzow, Patrick Mehlitz+1 more|arXiv (Cornell University)|Sep 7, 2018

Advanced Optimization Algorithms Research参考文献 17被引用 5

一句话总结

本文提出了数学规划中的切换约束（MPSC）的松弛方案，利用切锥分解方法提升解的精度与收敛性。通过证明某点处的切锥等于所有活跃切换集合上切锥的并集，该方法在组合切换条件下实现了更稳健的优化。

ABSTRACT

Switching-constrained optimization problems form a difficult class of mathematical programs since their feasible set is almost disconnected while standard constraint qualifications are likely to fail at several feasible points. That is why the application of standard methods from nonlinear programming does not seem to be promising in order to solve such problems. In this paper, we adapt the relaxation method from Kanzow and Schwartz (SIAM J. Optim., 23(2):770-798, 2013) for the numerical treatment of mathematical programs with complementarity constraints to the setting of switching-constrained optimization. It is shown that the proposed method computes M-stationary points under mild assumptions. Furthermore, we comment on other possible relaxation approaches which can be used to tackle mathematical programs with switching constraints. As it turns out, adapted versions of Scholtes' global relaxation scheme as well as the relaxation scheme of Steffensen and Ulbrich only find W-stationary points of switching-constrained optimization problems in general. Some computational experiments visualize the performance of the proposed relaxation method.

研究动机与目标

• 为解决涉及非凸、组合复杂可行集的数学规划切换约束（MPSC）问题。
• 通过利用局部几何结构，开发一种松弛框架，以增强MPSC数值方法的收敛性与稳定性。
• 利用活跃切换集合，对可行点处的切锥进行严格表征。
• 通过将切锥分解为可管理的组成部分，为设计更高效的MPSC算法提供理论基础。

提出的方法

• 该方法将点 $\tilde{x} \in X(t)$ 处的切锥分解为子集 $I \subset I^{00}_t(\tilde{x})$ 上的并集，其中 $I^{00}_t(\tilde{x})$ 表示活跃切换约束的集合。
• 证明了切锥 $\mathcal{T}_{X(t)}(\tilde{x})$ 等于所有此类子集 $I$ 对应的切锥 $\mathcal{T}_{X(t,\tilde{x},I)}(\tilde{x})$ 的并集。
• 该方法依赖于序列逼近：对于切锥中的任意方向 $d$，构造序列 $\{y_k\}$ 和 $\{\tau_k\}$，分别收敛于 $\tilde{x}$ 和零，使得 $ (y_k - \tilde{x}) / \tau_k \to d $。
• 通过证明存在某个 $\bar{I} \subset I^{00}_t(\tilde{x})$，使得无穷多个 $y_k$ 属于 $X(t, \tilde{x}, \bar{I})$，确保 $d$ 属于对应的切锥分量。
• 证明利用了约束函数的连续性及活跃集合的结构，以建立对局部切锥并集的包含关系。
• 该松弛方案基于通过活跃切换约束对可行集进行几何分解，从而在优化中实现更精确的下降方向。

实验结果

研究问题

• RQ1 如何将数学规划中切换约束的切锥分解为可管理的组成部分？
• RQ2 全局切锥与由活跃切换集合定义的局部子问题切锥之间有何关系？
• RQ3 能否构建一种松弛方案，通过利用该切锥分解确保收敛性？
• RQ4 在何种条件下，全可行集切锥中的某一方向属于由活跃切换约束子集定义的子问题切锥？
• RQ5 约束函数的连续性如何支持MPSC中切锥分解的有效性？

主要发现

• 在任意点 $\tilde{x} \in X(t)$ 处，切锥 $\mathcal{T}_{X(t)}(\tilde{x})$ 等于所有子集 $I \subset I^{00}_t(\tilde{x})$ 对应的切锥 $\mathcal{T}_{X(t,\tilde{x},I)}(\tilde{x})$ 的并集。
• 对于切锥中的任意方向 $d$，存在子集 $\bar{I} \subset I^{00}_t(\tilde{x})$，使得无穷多个序列点 $y_k$ 属于 $X(t, \tilde{x}, \bar{I})$，从而确保 $d$ 属于对应的局部切锥。
• 该证明依赖于存在序列 $\{y_k\} \subset X(t)$ 和 $\{\tau_k\} \downarrow 0$，使得 $ (y_k - \tilde{x}) / \tau_k \to d $，该条件足以证明其属于某一局部切锥分量。
• 约束函数的连续性确保了序列极限行为保持活跃集合结构，从而支持分解的成立。
• 该结果为MPSC中的松弛方案提供了理论基础，表明全局切锥方向可通过局部子问题切锥捕获。
• 该分解使得优化算法能更精确、更稳定地运行，通过聚焦于活跃切换集合，显著改善了实际中的收敛行为。