[论文解读] The SCIP Optimization Suite 8.0

Ksenia Bestuzheva, Mathieu Besançon+33 more|arXiv (Cornell University)|Dec 16, 2021

Constraint Satisfaction and Optimization被引用 11

一句话总结

本论文介绍了 SCIP Optimization Suite 8.0，这是数学优化领域领先框架的一次重大更新，新增了对称性处理能力的增强、通过新型表达式框架改进非线性约束管理、新增割平面分离器，并增加了对 Julia 和 MATLAB 的支持。该版本在非凸 MINLP 上实现了平均 21% 的运行时间减少，在具有挑战性的 MILP 实例上最高提速达 50%，所有套件组件在算法和生态系统方面均有显著改进。

ABSTRACT

The SCIP Optimization Suite provides a collection of software packages for mathematical optimization centered around the constraint integer programming framework SCIP. This paper discusses enhancements and extensions contained in version 8.0 of the SCIP Optimization Suite. Major updates in SCIP include improvements in symmetry handling and decomposition algorithms, new cutting planes, a new plugin type for cut selection, and a complete rework of the way nonlinear constraints are handled. Additionally, SCIP 8.0 now supports interfaces for Julia as well as Matlab. Further, UG now includes a unified framework to parallelize all solvers, a utility to analyze computational experiments has been added to GCG, dual solutions can be postsolved by PaPILO, new heuristics and presolving methods were added to SCIP-SDP, and additional problem classes and major performance improvements are available in SCIP-Jack.

研究动机与目标

• 通过增强 SCIP Optimization Suite 对混合整数线性和非线性规划的支持，推动数学优化领域的前沿发展。
• 通过在对称性处理、分解和非线性约束处理方面的算法创新，提升 SCIP 框架的性能与可扩展性。
• 通过增加对 Julia 和 MATLAB 的原生接口，并统一套件中所有组件的并行化与实验分析功能，提升易用性。
• 通过改进预处理、后处理和基准测试工具，包括新增插件和实用程序，强化生态系统。
• 在多种问题类别中实现可度量的性能提升，包括 MILP、MINLP、SDP 和 Steiner 树问题。

提出的方法

• 使用新型表达式框架重新实现非线性约束处理器，支持对双线性、二次和视角项等复杂函数的代数建模。
• 引入新的插件架构用于割平面选择，实现在分支定界过程中动态且自适应地选择割平面。
• 通过将表达式解析与约束执行解耦，重新设计非线性约束的处理方式，提升数值稳定性和灵活性。
• 增强 SCIP 中对称性的处理能力，以检测并利用线性和非线性约束中的对称性，包括通过新型对称感知分离和分支策略。
• 扩展 UG 框架，为套件中所有求解器提供统一的并行接口，抽象低层并行逻辑。
• 在 PaPILO 中添加对纯线性规划的对偶解后处理支持，并在 SCIP-SDP 和 SCIP-Jack 中引入新的启发式算法和预处理技术。

实验结果

研究问题

• RQ1 如何通过改进约束处理和割平面选择来提升非线性和混合整数优化的性能？
• RQ2 SCIP 中新型表达式框架在提升非线性规划的数值稳定性和建模灵活性方面效果如何？
• RQ3 通过 UG 实现的统一并行化是否能显著提升套件中各类优化问题的可扩展性？
• RQ4 SCIP 8.0 中新增的算法组件在非凸 MINLP 和具有挑战性的 MILP 实例上能带来多大性能提升？
• RQ5 为 Julia 和 MATLAB 新增的接口在学术和工业优化工作流中的可用性和集成性方面有何影响？

主要发现

• SCIP 8.0 在非凸 MINLP 实例上实现了平均 21% 的运行时间减少，尽管在凸实例上略有变慢，但数值失败显著减少。
• 新型表达式框架和非线性约束处理器显著提升了对复杂非线性项（包括双线性、二次和视角项）处理的鲁棒性与效率。
• 通过新增接口支持 Julia 和 MATLAB，显著扩大了 SCIP 在研究人员和实践者中的可访问性和集成潜力。
• 统一的 UG 框架实现了对套件中所有求解器的透明并行化，无需对每个求解器进行修改，提升了可维护性和可扩展性。
• SCIP-Jack 获得显著性能提升，并新增对两类新问题类别的支持，进一步巩固其作为领先 Steiner 树求解器的地位。
• PaPILO 现支持对纯 LP 的对偶解后处理，SCIP-SDP 中引入了新启发式算法和改进的松弛处理，提升了对半定规划的求解性能。