Inexact cuts in Deterministic and Stochastic Dual Dynamic Programming applied to linear optimization problems
本文将对偶动态规划(DDP)推广到求解线性动态规划方程组。我们称之为扩展IDDP-LP,它适用于一些或所有的原始和对偶子问题的情况下,要解决沿迭代的方法解决有界误差(不准确)。我们提供收敛定理的情况下,误差有界和渐近消失的错误。我们扩展的分析随机线性动态规划方程,引入不精确随机对偶动态规划线性规划(ISDDP-LP),SDDP适用于线性规划的不精确的变种对应的情况下,一些或所有的问题要解决的SDDP的向前和向后通过近似解决。我们还提供了收敛定理ISDDP-LP有界和渐近消失的错误。最后,我们提出了比较SDDP和ISSDP-LP的直接交易成本建模为一个多阶段随机线性最优化问题的投资组合问题的数值实验结果。在这些实验中,ISDDP-LP允许我们比SDDP更快地获得好的策略。
2019-07-07 math.OC
cuPDLPx: A Further Enhanced GPU-Based First-Order Solver for Linear Programming
MIT, Sloan School of Management(麻省理工学院斯隆管理学院);University of Chicago, Department of Statistics(芝加哥大学统计系)
cuPDLPx在重启Halpern PDHG基础上引入新重启准则和PID控制权重更新,针对GPU优化,在多个基准上实现2.5至6.8倍加速。
2025-09-23 math.OC
A recursively feasible and convergent Sequential Convex Programming procedure to solve non-convex problems with linear equality constraints
提出了一种求解线性等式约束非凸规划问题的计算有效方法。该方法是基于一个递归可行的和下降的顺序凸规划过程证明收敛到一个局部最优解。假设序列中的第一个凸问题是可行的,这些性质是通过凸化的非凸成本和不等式约束与内凸近似。此外,一个计算效率高的方法来获得基于泰勒级数展开的内凸近似。这些基于泰勒的内凸近似提供了具有二次收敛速率的整体算法。所提出的方法是能够解决的实际感兴趣的实时问题。这是说明了一个数值模拟的飞行器轨迹最优化问题上的商用的货架嵌入式计算机。
2018-10-24 math.OC
An adaptive method to solve multilevel multiobjective linear programming problems
本研究针对多层多目标线性规划问题,提出嵌套线性规划自适应方法的新算法,通过生成非支配解集、转化为带界变量问题并采用自适应方法求解,效率优于单纯形法,且通过数值算例验证了方法有效性。
2023-10-08 math.OC
Using Integer Programming to Solve Games, Puzzles, and Ciphers
Furman University(富尔曼大学)
本文介绍了三类基于整数规划的本科生研究项目,涵盖The Genius Square游戏求解、Ticket to Ride火车分配优化及单字母替换密码破解,并分享了初始模型与开放问题。
2025-09-15 math.OC
Dynamic Programming Deconstructed: Transformations of the Bellman Equation and Computational Efficiency
一些解决具有挑战性的动态规划问题的方法,如Q学习,首先将贝尔曼方程转换为另一种函数方程,以开辟新的攻击路线。本文系统地研究了这一思想,重点是提高计算效率。我们提供了一个表征的一组有效的变换的贝尔曼方程,其中有效性意味着变换后的贝尔曼方程保持链接到最优性举行的原始贝尔曼方程。然后,我们检查的解决方案的转换贝尔曼方程和相应的转换版本的算法来解决最优策略进行分析。这些调查产生了新的方法,各种离散时间动态规划问题,包括那些功能,如递归的偏好或愿望的鲁棒性。通过时间复杂度参数和数值实验证明了计算效率的提高。
2019-12-04 math.OC
Solving multi-resource allocation and location problems in disaster management through linear programming
针对灾害管理中的多资源分配和定位问题,提出了一种基于线性规划的有效方法。这样的问题需要整数解,因此,在大多数情况下,计算依赖于整数和混合整数线性规划求解器。一般来说,这些求解器不能处理大规模的问题。在本文中,我们证明了存在一个大类的灾害管理问题,其精确解可以通过应用单纯形法(线性规划)。给出了数值试验结果。本文的另一个重要贡献与一般的聚类分析和分配有关。也就是说,我们证明了经典的$k$ -medoid聚类方法可以使用线性规划技术(单纯形法)来实现,而不依赖于整数求解器。
2018-12-04 math.OC
GPU Implementation of Second-Order Linear and Nonlinear Programming Solvers
Argonne National Laboratory(阿贡国家实验室)
本文提出基于GPU的二阶线性与非线性规划求解器,通过无pivot内点法提升大规模问题的求解效率,实验显示在中等精度下速度提升超过10倍。
2025-11-21 math.OC
A convex programming approach to solve posynomial systems
我们展示了一类经典的或热带的正项方程组,可以通过减少线性或凸规划问题来解决。这依赖于一个关于牛顿多面体集合的彩色向量的概念。这扩展了单局随机对策的凸规划方法。
2020-05-14 math.CO math.OC
Conditions when the problems of linear programming are algorithmically unsolvable
本文研究了构造性线性规划问题的性质,其参数为构造性实数,并证明了不存在能够求解任意构造性实数规划问题的算法。
2024-04-23 math.OC
BI - level programming
本文研究并解决了直觉模糊环境下每层具有多个目标的双层线性规划问题。
2015-12-05 math.OC
Mixed Integer Linear Programming and Constraint Programming Models for the Online Printing Shop Scheduling Problem
在这项工作中,在线印刷车间调度问题。这一挑战性的现实问题,出现在当今的印刷业,可以被看作是一个灵活的作业车间调度问题的顺序灵活性,其中的作业之间的优先约束是由一个任意有向无圈图。此外,几个复杂的特殊性,如不可用的机器,可拆卸的操作,顺序相关的设置时间,部分重叠的操作之间的优先约束,释放时间,和固定的操作也存在于所解决的问题。在目前的工作中,混合整数线性规划和约束规划模型的最小化的最大完工时间。对问题进行建模是双重的。一方面,问题被精确地定义。另一方面,商业软件求解模型的能力和局限性进行了分析。广泛的数值实验与小型,中型和大型的实例。数值实验表明,当考虑混合整数线性规划模型时,该商业求解器仅能最优求解一小部分小型实例;而当考虑约束规划问题时,该商业求解器能最优求解所有小型实例和一小部分中型实例.此外,商业求解器能够提供可行解的大规模的实例的大小,出现在实践中。
2022-02-20 math.OC
PIQP: A Proximal Interior-Point Quadratic Programming Solver
本文提出PIQP,一种结合不可行内点法与乘子近端法的高性能稀疏QP求解器,无需约束线性独立性即可处理病态凸QP问题,适用于嵌入式应用,在多项基准测试中性能优于现有商业与开源求解器。
2023-09-15 math.OC
Calculus of convex polyhedra and polyhedral convex functions by utilizing a multiple objective linear programming solver
本文讨论定义在凸多面体或多面体凸函数上的运算。给定两个凸多面体,考虑Minkowski和、交、并的闭凸包等运算。对于一个凸多面体的基本操作是例如极坐标、圆锥壳和仿射变换下的图像。引入了凸多面体的P-表示的概念。它表明,许多多面体演算操作可以明确地表示在P-表示。我们指出,所有相关的计算工作的多面体微积分包括在计算凸多面体的投影。为了计算投影,我们使用最近的结果说,多目标线性规划(MOLP)是等价的多面体投影问题。基于MOLP求解器bensolve,开发了一个适用于Matlab和GNU Octave的多面体微积分工具箱。文中还讨论了一些数值试验。
2018-07-13 math.OC
A Logic-Based Mixed-Integer Nonlinear Programming Model to Solve Non-Convex and Non-Smooth Economic Dispatch Problems: An Accuracy Analysis
提出了一种求解器友好的基于逻辑的混合整数非线性规划模型(LB-MINLP),用于求解考虑不相交运行区和阀点效应的经济调度问题。同时考虑ED问题中的传输损耗和逻辑约束会在线性化过程中或通过基于数学的方法处理时造成困难,这可能导致结果违反。不顺利的条款可能会使情况变得更糟。另一方面,具有逻辑约束的非凸非线性模型不能使用现有的非线性商业求解器求解。为了解释和弥补这些缺点,我们提出了一种新的重铸策略,以克服现有的非线性求解器的帮助下解决这样的复杂问题的障碍。该模型通过将逻辑约束转换为目标函数的混合整数项,可以方便商业求解器的预求解和探测技术。因此,它导致更高的精度的模型和更好的计算效率。实验结果表明,与现有的(基于解析器和基于求解器的)模型相比,LB-MINLP模型能够更容易地处理非光滑项和非线性项,并且能够更快地获得最优解,且不会产生任何结果冲突。
2018-10-12 math.OC
Semidefinite relaxations for semi-infinite polynomial programming
研究了半无限多项式规划问题的半定松弛法。本文首先介绍了求解多约束多项式最优化问题的两种SDP松弛法。然后,我们提出了一个交换算法与SDP松弛解决SIPP问题的紧凑指标集。最后,我们通过均匀化方法将所提出的方法推广到具有非紧指标集的SIPP问题。数值结果表明该算法是有效的。
2013-06-08 math.OC
An interactive fuzzy goal programming algorithm to solve decentralized bi-level multiobjective fractional programming problem
Yildiz Technical University(耶尔德兹理工大学)
提出了一种基于泰勒级数的模糊目标规划方法来求解分散双层多目标分式规划(DBLMOFP)问题。在该方法中,所有的隶属函数都与每个目标的模糊目标在两个层次上,也分数的隶属函数转换为线性函数使用泰勒级数的方法。然后提出一种模糊目标规划,使两层决策者都能得到最满意的解,从而达到每个隶属度目标的最高程度。最后,数值例子来说明所提出的方法的有效性。
2016-06-02 cs.AI math.OC
A Mixed Integer Linear Programming Method for Dynamic Economic Dispatch with Valve Point Effect
本文提出了一种混合整数线性规划(MILP)方法来求解计及阀点效应的动态经济调度(DED-VPE)。基于分段线性化技术,非凸和非光滑的发电成本被转化为一个线性下近似,这是优于二次的,得到一个MILP形式的DED-VPE。当段参数设置适当时,MILP公式可以直接有效地由混合整数规划(MIP)求解器求解。因此,可以保证MILP公式在预设容差内的全局最优解。仿真结果表明,所提出的MILP公式可以在合理的时间内解决可靠的解决方案。
2017-02-16 math.OC
Inexact subgradient algorithm with a non-asymptotic convergence guarantee for copositive programming problems
Keio University(庆应义塾大学);RIKEN(理化学研究所);The University of Tokyo(东京大学)
本文提出一种近似子梯度算法,用于求解copositive规划问题,通过非渐近收敛保证在O(ε^{-2})次迭代内得到近似解,且讨论了标准二次规划问题的精确与近似解法,并通过实验验证了算法在检测完全非负矩阵不完全正性方面的有效性。
2026-04-29 math.OC
Linear Programming Problem Solved By a Special Substitution Method
IMT Atlantque(IMT大西洋学院)
本文提出了一种特殊替换方法用于求解一般线性规划问题,该方法通过设定变量替换的标准来实现,证明了其具有强多项式性。
2026-09-01 math.OC
Inexact cuts in Stochastic Dual Dynamic Programming
本文将随机对偶动态规划(SDDP)推广到求解随机凸动态规划方程。这种扩展适用于当一些或所有的原始和对偶子问题,以解决沿向前和向后的方法通过有界误差(不准确)。SDDP的这种不精确变体被描述为线性问题(相应的变体由ISDDP-LP表示)和非线性问题(相应的变体由ISDDP-NLP表示)。我们证明了收敛定理ISDDP-LP和ISDDP-NLP的有界和渐近消失的错误。最后,我们提出了数值实验的结果比较SDDP和ISDDP-LP的投资组合问题的直接交易费用建模为一个多阶段的随机线性最优化问题。在这些实验中,ISDDP-LP允许我们比SDDP更快地获得好的策略。
2019-07-07 math.OC
Learning to Configure Mathematical Programming Solvers by Mathematical Programming
CNRS(法国国家科学研究中心);École Polytechnique(巴黎综合理工学院);Institut Polytechnique de Paris(巴黎理工学院);Zuse Institute Berlin(柏林楚泽研究所);Università di Pisa(比萨大学)
针对数学规划求解器配置参数存在依赖约束的难题,提出一种两阶段方法,先通过逻辑回归学习实例与配置性能关系,再构建显式包含参数依赖约束的优化问题进行求解,并在水电短期规划问题上验证了有效性。
2024-01-10 cs.LG math.OC
A conjugate gradient-based algorithm for large-scale quadratic programming problem with one quadratic constraint
本文研究了带有一个二次约束的非凸二次约束二次规划(QCQP).利用共轭梯度法,提出了一种求解QCQP的有效算法,该算法充分利用了QCQP中矩阵的稀疏性,在确定合适的广义本征值后,通过求解一系列正定线性方程组来求解QCQP.一些数值实验表明,该方法的有效性,并比较它与一些最近的算法在文献中。
2018-07-14 math.OC
Sinkhorn algorithms and linear programming solvers for optimal partial transport problems
该研究推广经典最优部分输运问题,提出基于函数项的广义最优部分输运问题,推导其对偶形式与对应Sinkhorn求解器,还分析了其与经典最优输运的关系并设计了专用线性规划求解器。
2024-07-09 cs.LG math.OC
Mitigating Performance Variability in Mixed-Integer Programming Solvers via LP State Steering
Cornell University(康奈尔大学)
该研究针对混合整数规划求解器的性能变异性问题,提出通过生成并评估替代LP状态的框架,在合成实例和MIPLIB 2017数据集上有效降低了节点计数变异性,提升了求解完成率。
2026-10-14 math.OC
Exploiting Low-Rank Structure in Semidefinite Programming by Approximate Operator Splitting
与许多其他凸优化类相比,最先进的半定规划求解器还不能有效地解决大规模的情况。这项工作的目的是减少这种可扩展性的差距,提出了一种新的近似算法解决一般半定规划问题。所提出的方法,基于原始-对偶混合梯度法,允许存在的线性不等式,而不需要添加额外的松弛变量,并避免在每次迭代求解一个线性系。更重要的是,它同时计算与线性约束相关的对偶变量。这项工作的主要贡献是通过有效地调整所提出的算法,以利用几个半定规划问题固有的低秩属性,以实现大幅加速。这种修改是允许算子分裂方法有效地扩展到更大实例的关键因素。收敛性的保证,以及一个直观的解释算法。此外,一个开源的半定规划求解器,称为ProxSDP,提供和实施细节进行了讨论。案例研究,以评估所提出的方法的性能。
2018-12-19 math.OC
Surprise Maximization: A Dynamic Programming Approach
Borwein等人(2000)通过应用凸分析和数学规划的结果解决了一个意外最大化问题。虽然,他们的证明是优雅的,它需要先进的知识,从这两个领域来理解它。在这里,我们提供了另一种方法来获得一个最优解的问题,利用动态规划。
2020-12-29 math.OC
Interval Linear Programming under Transformations: Optimal Solutions and Optimal Value Range
Charles University, Faculty of Mathematics and Physics(查理大学数学物理学院);University of Economics, Faculty of Finance and Accounting(布拉格经济大学金融会计学院)
本文研究区间线性规划在常见变换(如非负性约束和方程拆分)下最优解集、最优值及最优值范围的变化,并针对仅目标函数和右端向量含不确定性的特殊类获得更强结果。
2018-02-27 math.OC
On Burdet and Johnson's Algorithm for Integer Programming
本文讨论了Burdet和Johnson在1977年提出的一种求解整数规划问题的方法的一些不足之处。给出了算法无法解决IP问题的例子和解决这些错误的方法。
2014-10-28 math.OC
SDPNAL+: A Matlab software for semidefinite programming with bound constraints (version 1.0)
SDPNAL+是一个{ \sc Matlab}软件包,它实现了一种基于增广拉格朗日的方法来解决具有边界约束的大规模半定规划问题。该实现最初是基于优化的半光滑牛顿-CG增广拉格朗日方法,在这里,我们设计了一个不精确的对称高斯-赛德尔的半近似ADMM/ALM(交替方向法的乘数/增广拉格朗日方法)框架内,推导出更简单的停止条件和关闭之间的差距的实际实现的算法和理论算法。基本代码是用{ \sc Matlab}编写的,但一些C语言的子程序通过Mex文件合并。我们还设计了一个方便的界面,用户可以输入他们的SDP模型到求解器。许多问题所产生的组合优化和二进制整数二次规划问题进行了测试,以评估性能的求解器。在[Yang,Sun,and Toh,数学规划计算,7(2015),pp. 331- 366]表明,该方法是相当有效和鲁棒的,因为它能够解决98.9%的SDP问题的745个测试实例所产生的各种应用程序的准确性$ 10^{-6}$的相对KKT残差。
2019-05-16 math.OC
The Complexity of Large-scale Convex Programming under a Linear Optimization Oracle
本文研究了一类求解大规模凸规划(CP)问题的迭代优化算法,称为基于线性优化的凸规划(LCP)方法。LCP方法,涵盖了经典的条件梯度(CG)方法(又名,Frank-Wolfe方法作为一种特殊情况,每次迭代只能求解一个线性最优化子问题。在本文中,我们首先建立了一系列的低复杂性界的LCP方法来解决不同类型的CP问题,包括光滑,非光滑和某些鞍点问题。然后,我们正式建立理论上的最优性或近似最优性,在大规模的情况下,CG方法及其变体来解决不同类别的CP问题。我们还介绍了几个新的最佳LCP方法,通过适当修改Nesterov的加速梯度法,并证明其可能的优势,经典CG解决某些类的大规模CP问题。
2014-06-27 math.OC
Exploiting Packing Components in General-Purpose Integer Programming Solvers
把箱子装进大箱子的问题往往是一个更大问题的一部分。例如,在家具供应链应用中,人们需要决定使用什么卡车在生产地点和配送中心和商店之间运输家具,以便家具适合内部。这类问题通常是公式化的,有时使用通用的整数规划求解器来解决。本章研究了整数线性规划的一般情况下,确定一个紧凑的多维包装组件制定的问题,重新制定它使用的艾伦-伯克-Marecek的离散化,并解决扩展的重新制定。报告了多达10000000箱的实例结果。
2014-12-08 cs.DS math.OC
On the Effectiveness of Sequential Linear Programming for the Pooling Problem
本文的目的是比较性能的本地解决方案的技术-即顺序线性规划(SLP)采用随机起点-与国家的最先进的全球解决方案,如男爵和更复杂的本地解决方案,如顺序二次规划和内点的池化问题。这些问题可能有许多局部最优解,我们提出了一个小例子来说明这是如何发生的。我们表明,SLP -通常被认为是过时的,因为快速可靠的QP求解器,内点方法和复杂的全球性的解决方案的到来-仍然是一个重要的一类池问题的选择方法时,标准是在给定的可接受的时间预算内找到的解决方案的质量。此外,我们引入了一个新的配方,qq配方,固定需求的情况下,专门使用比例变量。我们比较了SLP和全局求解器Baron在qq公式和其他常见公式上的性能。虽然男爵与qq-配方产生较弱的界限比其他配方测试,为SLP和男爵的qq-配方在给定的时间预算内找到最佳的解决方案。qq-公式可以通过pq-样割来加强,在这种情况下,得到与pq-公式相同的边界。然而,由于额外的约束条件导致的相关时间惩罚在时间预算内导致较差的解决方案质量。
2020-02-25 math.OC
Entropy linear programming
提出了一种基于快速梯度法的ELP对偶算法。基本思想-正确地解决正则化的对偶问题。
2016-02-04 math.OC
On Symmetry Groups of Some Quadratic Programming Problems
当数学规划问题在适当的线性变换下是对称的时,这些问题的求解和分析可以简化。特别是,对称性的知识可以帮助减少问题的维数,削减搜索空间的线性切割或获得新的局部最优从以前发现的,而以前的研究中的对称性的数学规划通常处理的坐标排列的解决方案空间,本文考虑了一个更大的组可逆线性变换。研究了二次规划问题的一种特殊情况,其中目标函数和约束条件均由二次型给出,且约束条件所涉及的所有二次型矩阵之和是一个正定矩阵.在这种情况下,只考虑解空间的正交变换就足够了。在这组正交变换中,我们描述了给出问题对称性的子群的结构。除此之外,还概述了寻找这种对称性的方法,并以两个简单的例子加以说明。
2020-10-10 math.OC
Accurate Semidefinite Programming Models for Optimal Power Flow in Distribution Systems
在本文中,我们开发的半定规划(SDP)模型,旨在解决配电系统的最优潮流(OPF)问题。我们提出了两个模型:对称SDP模型,它修改了现有的BFM-SDP模型。在对称SDP模型的基础上,提出了一种求解电压约束最优潮流问题的电压调节模型。为了评估我们提出的OPF模型的准确性,我们依靠OpenDSS,潮流求解器,生成潮流解决方案作为基准。综合的案例研究表明,我们的SDP模型具有更好的数值稳定性,并产生更准确的结果比现有的方法
2017-12-23 math.OC
A Combinatorial Cut-and-Lift Procedure with an Application to 0-1 Second-Order Conic Programming
切割生成和提升是最先进的数学规划求解器性能的关键组成部分。这项工作提出了一个新的一般切割和提升程序,利用0-1问题的组合结构,通过二进制决策图(BDD)编码的约束。我们提出了一个一般的框架,可以应用到广泛的二元最优化问题,并显示其适用性的二阶圆锥不等式。我们确定的条件下,我们解除的不平等是刻面定义,并推导出一个新的基于BDD切割生成线性规划。这样的模型作为一个基础上的最大流组合算法的BDD,可以应用于更有效地获得有效的削减。我们的数值结果显示令人鼓舞的性能时,纳入一个国家的最先进的数学规划求解器,显着减少根节点的差距,增加解决的问题的数量,并减少了运行时间的三个因素平均。
2020-11-30 math.OC
Disciplined Convex-Concave Programming
本文将约束凸规划(DCP)和凸-凹规划(CCP)的思想结合起来,提出了约束凸-凹规划(DCCP).凸-凹规划是一种有组织的启发式算法,用于解决涉及凸项和凹项之和的目标和约束函数的非凸问题。DCP是定义凸优化问题的一种结构化方法,基于一族基本凸和凹函数以及一些组合它们的规则。使用DCP表示的问题可以自动转换为标准式并由通用求解器求解;广泛使用的实现包括YALMIP、CVX、CVXPY和Convex. jl。在本文中,我们提出了一个框架,结合了这两个想法,并包括两个改进以前发表的工作凸-凹规划,特别是处理域的功能,和不可微的边界上的域的问题。我们描述了一个名为DCCP的Python实现,它扩展了CVXPY,并给出了示例。
2016-04-10 math.OC
Doubly nonnegative relaxation method for solving multiple objective quadratic programming problems
多目标优化和帕累托最优是经济学中的基本工具。本文提出了一种求解多目标二次规划问题的新松弛法。利用线性加权和方法,将多目标二次规划问题转化为单目标问题。由于这类单目标二次规划问题在一般情况下仍是非凸的和NP-难的。分别利用提升技术和双重非负松弛技术,将该单目标二次规划问题转化为可计算的凸双重非负规划问题。在较弱的条件下,该可计算凸问题的最优解是原问题的(弱)Pareto最优解.最后,通过两个算例和一个实际的投资组合问题对所提出的方法进行了验证.测试问题的解决\texttt{CVX}包,这是一个求解器的凸优化。数值结果表明,该方法是有效的,具有一定的应用前景.
2012-11-20 math.OC
Output-Feedback System Level Synthesis via Dynamic Programming
系统级综合(SLS)允许我们为大规模系统构造内部稳定控制器。然而,解决大规模的SLS问题是计算昂贵的,最先进的方法只考虑状态反馈;输出反馈带来了额外的挑战,因为约束不再是唯一的行或列可分离的。我们利用输出反馈SLS问题的结构,通过向量化的多边矩阵乘法的SLS优化约束,这使我们能够重新制定它作为一个离散时间控制问题,并使用两个阶段的动态规划(DP)解决。此外,我们推导出一个近似算法,提供了一个更快的运行时间部分强制执行的约束,并表明,该算法提供了相同的结果。DP解决SLS高达$7$倍的速度,与凸规划求解器相比,使用近似算法的额外42%至68%的改进,并且具有大的状态维度和有限的冲激响应范围。
2022-06-03 math.OC
On Hybrid Quantum and Classical Computing Algorithms for Mixed-Integer Programming
量子计算正在成为一种新的计算资源,对于某些类别的最优化问题,它可能优于传统计算。然而,原则上,大多数现有的量子优化方法旨在解决无约束二进制规划问题,而混合整数线性规划在实践中最感兴趣。我们试图通过开发一种新的混合整数规划方法来弥合量子计算能力与现实世界应用之间的差距。该方法利用Benders分解将混合整数规划分解为二进制规划和线性规划两个子问题,分别用带噪声的中间规模量子处理器和常规处理器求解.该算法是可证明的,能够达到原来的混合整数规划问题的最优解。该算法在D-Wave 2000 Q量子处理单元上进行了测试,并被证明是有效的小规模测试用例。我们还测试了一个受电力系统应用启发的混合整数规划的算法。许多见解得出的数值结果的能力和所提出的算法的局限性。
2022-01-20 math.OC
Corporative Stochastic Approximation with Random Constraint Sampling for Semi-Infinite Programming
提出了求解半无限规划(SIP)问题的合作随机逼近(CSA)型算法,其中割生成问题是不精确求解的。首先,我们提供一般的误差界不精确CSA。然后,我们提出了两个具体的随机约束抽样方案,近似解决切割生成问题。当目标和约束函数一般是凸的,我们表明,我们的随机CSA算法实现了$\mathcal{O}(1/\sqrt{N})$收敛速率的预期(在最优性差距以及SIP约束违反)。当目标函数和约束函数都是强凸函数时,该速率可以改进为$\mathcal{O}(1/N)$。
2018-12-21 math.OC
A preconditioner for solving linear programming problems with dense columns
针对含稠密列的线性规划问题求解中线性系统求解的难点,提出一种预条件子,理论证明其收敛时线性系统一致有界,实验验证其在运行时间、迭代次数上具鲁棒性与竞争力。
2024-04-16 math.OC
HPIPM: a high-performance quadratic programming framework for model predictive control
本文介绍了HPIPM,一个高性能的二次规划(QP)框架,旨在提供积木有效地和可靠地解决模型预测控制问题。HPIPM目前支持三种QP类型,并提供内点方法(IPM)求解器以及(部分)压缩例程。特别是,用于最优控制QP的IPM旨在取代HPMPC求解器,并且它在保持对速度的关注的同时大大提高了鲁棒性。数值实验表明,HPIPM可靠地解决了具有挑战性的QP,并且在速度上优于其他最先进的求解器。
2020-06-06 cs.SY eess.SY math.OC
An Efficient Parametric Linear Programming Solver and Application to Polyhedral Projection
多面体投影是多面体抽象域的一个主要运算,可以通过参数线性规划(PLP)进行计算,它比经典的Fourier-Motzkin消元法效率更高。在以前的工作中,PLP是在任意精度的有理运算中进行的。本文提出了一种方法,其中大部分计算是在浮点运算中进行的,我们还提出了一个解决方案,困扰以前尝试使用PLP计算多面体上的困难:一般情况下,线性规划问题是退化的,导致冗余的计算和几何描述。
2019-11-18 cs.CG cs.PL math.OC
Unbounded Dynamic Programming via the Q-Transform
我们提出了一种新的方法来解决动态判定问题无限奖励的基础上使用的Q-学习的转换。在我们的例子中,变换的目标是将无界动态规划转换为有界动态规划。该方法足够通用,可以处理现有方法难以解决的问题,而且相对于其他技术来说很简单,可以用于应用工作。我们通过例子表明,许多常见的判定问题满足我们的条件。
2021-03-17 econ.TH math.OC
Randomized Linear Programming Solves the Discounted Markov Decision Problem In Nearly-Linear (Sometimes Sublinear) Running Time
提出了一种新的随机线性规划算法来逼近折扣马尔可夫判定问题的最优策略。该算法利用价值-策略对偶和二叉树数据结构,自适应地对状态-动作-状态转换进行采样,并进行指数化的原始-对偶更新。我们发现,它发现了一个$ε$最优的政策,在最坏的情况下,使用接近线性的运行时间。当马尔可夫决策过程是遍历的,且以某些特殊的数据格式指定时,该算法利用运行时间对状态-动作对的总数是线性的,而对输入大小是次线性的,找到一个$ε$ -最优策略.这些结果为求解随机动态规划提供了一个新的场所和复杂性基准。
2017-09-13 cs.DS math.OC
A learning-based mathematical programming formulation for the automatic configuration of optimization solvers
LIX CNRS, École Polytechnique, Institut Polytechnique de Paris(巴黎综合理工学院);Zuse Institute Berlin(柏林祖泽研究所)
提出一种基于机器学习与优化的方法,通过学习性能函数并构建混合整数非线性规划来为给定实例自动选择最优求解器配置,同时支持硬依赖约束并可用现成工具高效求解。
2024-01-08 cs.LG math.OC
Truncated Markov bases and Gröbner bases for Integer Programming
我们提出了一个新的算法计算截断马尔可夫基的格。总的来说,这种新算法比现有的方法更快。然后,我们扩展了这个新的算法,使它解决了线性整数可行性问题,有希望的结果平等背包问题。我们还提出了一种新的Groebner基础的方法来解决一个特定的整数线性规划,而不是以前的Groebner基础的方法,有效地解决了许多不同的整数线性规划同时。初步结果表明,这种优化算法的性能优于以前的Groebner基础方法。
2006-12-20 math.CO math.OC
An evolutionary solver for linear integer programming
Riken Brain Science Institute(理化学研究所脑科学研究所)
本文介绍一种求解线性整数规划的进化算法。该策略是基于分离成整数子集和连续子集的变量;整数变量是固定的进化系统,和连续的功能,他们确定的线性规划求解器。我们报告的一些标准的基准问题得到的结果,并将它们与分支定界。进化算法的性能是有前途的。一般都能得到很好的可行解,在一些困难的基准测试中,它的性能优于分支定界法。
2014-07-27 cs.AI cs.NE math.OC
Differentiation Through Black-Box Quadratic Programming Solvers
Department of Mathematics, University of North Carolina at Chapel Hill(北卡罗来纳大学 Chapel Hill 分校数学系);Université de Montréal and Mila(蒙特利尔大学和Mila)
针对现有二次规划求导方法依赖特定集成求解器、适用性受限的问题,提出模块化且与求解器无关的dQP框架,依托有效集相关洞见解耦求解与求导,可适配15余种主流求解器,在大规模稀疏问题上表现出良好鲁棒性与可扩展性。
2025-10-30 cs.LG math.OC
Integer and Constraint Programming Revisited for Mutually Orthogonal Latin Squares
Carleton University(卡尔顿大学);University of Windsor(温莎大学)
在本文中,我们提供的结果,使用整数规划(IP)和约束规划(CP)搜索相互正交拉丁方(MOLS)的集合。这两种编程范式以前都曾成功地用于搜索MOLS,但近年来IP和CP求解器的求解器有了显着改进,并且缺乏现代IP和CP求解器在MOLS问题上的表现数据。使用最先进的解算器作为黑盒,我们能够快速找到最多10个顺序的MOLS对(或证明它们不存在)。此外,我们制定了一个扩展的对称破缺方法,以及改进的直接CP编码的求解器的有效性。我们还分析了使用CP和IP求解器来搜索三重MOLS的有效性,比较我们的时间与以前发表的那些,并估计使用这种方法来解决长期悬而未决的问题,确定存在的三重MOLS的顺序十的运行时间。
2021-03-19 cs.AI cs.DM math.CO
Learning context-aware adaptive solvers to accelerate quadratic programming
KAIST(韩国科学技术院)
凸二次规划(QP)是数学优化的一个重要分支。乘子交替方向法是求解二次规划问题的一种成功方法。尽管ADMM在求解各种类型的QP中显示出有希望的结果,但已知其收敛速度高度依赖于步长参数$ρ$。由于没有设置$ρ$的一般规则,因此通常手动或手动调整。在本文中,我们提出了CA-ADMM(上下文感知自适应ADMM)),学习自适应调整$ρ$,以加速ADMM。CA-ADMM提取时空上下文,其捕获QP的原始变量和对偶变量的依赖性以及它们在ADMM迭代期间的时间演化。CA-ADMM基于提取的上下文选择$ρ$。通过大量的数值实验,我们验证了CA-ADMM有效地推广到具有不同大小和类别的看不见的QP问题(即,具有不同的QP参数结构)。此外,我们验证了CA-ADMM可以动态调整$ρ$考虑优化过程的阶段,以进一步加快收敛速度。
2022-11-22 cs.AI math.OC
Learning to Solve Mixed-Integer Nonlinear Programming with Neural Networks and Sequential Quadratic Programming Refinement
University of Pennsylvania(宾夕法尼亚大学)
提出一个结合神经网络预测与SQP细化层的学习优化框架,用于求解模型预测控制和轨迹优化中的参数化混合整数非线性规划,提高鲁棒性并保持计算预算。
2026-10-06 cs.SY eess.SY math.OC