A Center-Point Algorithm for Unit Commitment with Carbon Emission Trading
提出了一种全局最优化方法,以保证在求解含碳排放权交易的机组组合问题时能找到较好的解。该方法由两部分组成。在第一部分中,首先求解一系列线性整数松弛子问题,以快速生成原混合整数非线性规划问题(MINLP)模型的紧线性松弛。算法的第二部分引入了中心割的思想,使算法能快速找到好的解。该方法测试了10个测试实例,单位范围从35到1560在24小时的调度期,并与国家的最先进的求解器CPLEX。结果表明,该算法能在较短的时间内找到比CPLEX更好的解。它比CPLEX更适合于求解大规模的UC问题。
2019-08-27 math.OC
Fast Relax-and-Round Unit Commitment with Economic Horizons
Oak Ridge National Laboratory(橡树岭国家实验室)
本文提出一种快速算法,用于解决具有长时间规划的单位调度问题,通过引入针对UC问题的启发式方法,实现大规模水电调度问题的高效求解,显著降低运营成本。
2026-10-22 cs.MS cs.SY eess.SY
Fast Relax-and-Round Unit Commitment with Topological Constraints
Oak Ridge National Laboratory(橡树岭国家实验室)
针对电网约束下大规模本地机组组合问题,提出扩展的松弛-取整机组组合(RRUC)方法,在满足时空MVA约束下快速求得低成本解,运行时间随节点数次二次方增长,性能远超现有求解器。
2026-09-15 cs.MS cs.SY eess.SY
Tight Data-Driven Linear Relaxations for Constraint Screening in Robust Unit Commitment
现实世界的电力系统及其基础市场的日常运作依赖于机组组合问题的及时解决。然而,鉴于其计算复杂性,已经提出了几种基于优化的方法,以减轻其问题制定,通过删除冗余的线路流量约束。这些方法往往忽略了可再生能源发电和需求的空间耦合,这对市场结果有着内在的影响。此外,消除过程主要集中在可行域,并排除了问题的目标函数如何在这里发挥作用。为了解决这些缺陷,我们采取行动,以排除冗余和无效的约束,通过增加有效的不等式约束,原来的机组承诺可行性区域的紧线性规划放松。我们扩展了基于优化的方法称为伞约束发现通过执行的一致性逻辑的约束集,通过添加建议的不等式约束的制定。因此,我们减少了保守性的筛选方法,使用现有的历史数据,从而导致更严格的单位承诺制定。在标准IEEE测试网络上进行了数值测试,以证实所提出的方法的有效性。
2023-03-23 cs.SY eess.SY math.OC
Global Solution Strategies for the Network-Constrained Unit Commitment Problem with AC Transmission Constraints
提出了一种新的全局求解算法,用于求解输电网非线性交流模型下的网络约束机组组合问题,该问题是一个非凸混合整数非线性规划(MINLP)问题.我们的算法基于多树全局优化方法,该方法在混合整数下界问题和非线性上界问题之间迭代。我们利用数学结构的机组组合问题与交流潮流约束(UC-AC)和杠杆优化为基础的界限收紧,二阶锥松弛,分段外近似,以保证全局最优解收敛。四个基准问题的数值结果表明,我们的算法的有效性,无论是在收敛速度和解的质量。
2018-07-02 math.OC
A Variable Reduction Method for Large-Scale Security Constrained Unit Commitment
大规模安全约束机组组合问题的有效求解方法一直是一个重要的研究课题和挑战,尤其是在市场出清计算中。对于大规模的SCUC,拉格朗日松弛法(LR)和混合整数规划法(MIP)被广泛采用。然而,LR通常收敛速度慢,MIP的计算负担是沉重的,当二进制变量数很大。本文提出了一种变量约简方法:首先,放松原SCUC问题中的时间耦合约束,得到多个单周期SCUC问题(s-UC)。其次,LR用于求解s-UC。与传统的LR迭代次梯度法不同,该方法可以通过求解线性规划得到s-UC的最优乘子和近似UC解。第三,建立了SCUC问题中UC变量的选择和确定准则,从而减少了二元变量的数量。最后用MIP求解器求解简化后的二进制变量的SCUC,得到最终的UC解。在IEEE 118节点系统和6484节点系统上对该方法进行了测试。结果表明,该方法是有效的。
2018-10-22 math.OC
A Fast Solution Method for Large-scale Unit Commitment Based on Lagrangian Relaxation and Dynamic Programming
机组组合问题是电力系统运行和市场机制的关键问题。随着现代电力的发展,电力系统的规模不断扩大,解决UC问题的难度也越来越大。为此,本文提出了一种新的基于拉格朗日松弛和动态规划的快速求解方法。首先,通过基于拉格朗日松弛的快速方法估计UC解是初始试探UC解。该初步试验UC解决方案充分考虑了系统范围的约束。其次,引入动态规划模块,调整UC解,使其满足单元约束。第三,提出了一种基于调整后的试验UC解构造可行UC解的方法。具体来说,建立了UC方案的可行性检验模型和升级策略。在IEEE 24节点、IEEE 118节点、波兰2383节点和法国6468节点系统上进行了数值试验,验证了所提方法的有效性。
2022-11-03 cs.SY eess.SY math.OC
Cost-driven Screening of Network Constraints for the Unit Commitment Problem
为了加快机组组合(UC)问题的求解速度,人们提出了机器学习和基于优化的方法,通过去除尽可能多的多余的线路流量约束来简化整个UC公式。虽然基于机器学习的消除策略是快速的,并且通常删除更多的约束,但它们可能过于乐观,导致不可行的UC解决方案。就其本身而言,基于优化的方法试图通过探索LP松弛的可行性区域来识别完整UC公式中的冗余约束。在这样做时,这些方法只摆脱了线流约束,其去除使原始UC问题的可行性区域保持不变。在本文中,我们提出了一个程序,大大增加了线流的限制,过滤出基于优化的方法,而不损害他们的吸引力,保持可行性。我们的方法是基于收紧LP松弛,基于优化的方法使用一个有效的不等式相关的UC问题的目标函数,因此,经济的性质。其结果是,如此加强的优化为基础的方法不仅识别冗余的线流约束,但也不活跃的,从而导致更多的减少UC配方。
2022-03-14 math.OC
Solving Sparse Mixed-Integer Quadratic Problems: Application to the Unit Commitment Problem with Optimal Power Flow
University of Santiago de Compostela(圣地亚哥-德孔波斯特拉大学);CITMAga (Galician Center for Mathematical Research and Technology)(加利西亚数学研究与技术中心);Politecnico di Milano(米兰理工大学);Ivey Business School, Western University(韦仕敦大学艾维商学院);IE University(IE大学)
提出一种结合半定规划松弛与弦分解的框架,利用稀疏性求解MIQCQP,在含AC最优潮流的机组组合问题上取得优于现有全局求解器的可扩展性。
2026-06-07 math.OC
Relax-Tighten-Round Algorithm for Optimal Placement and Control of Valves and Chlorine Boosters in Water Networks
本文提出了一种新的混合整数非线性规划公式,用于给水管网中减压阀和加氯站的优化布置和运行。目标是最小化平均区域压力,同时惩罚偏离目标氯浓度的偏差。我们提出了一个松弛-收紧-轮算法的基础上收紧多面体松弛和舍入计划来计算可行解,其最优性差距的界限。这是因为现成的全局优化求解器无法计算所考虑的非凸混合整数非线性规划的可行解。实施的算法进行评估,使用三个基准水网络,他们表现出优于现成的求解器,这些案例研究。所提出的启发式算法,使计算质量好的可行解在大多数情况下,与业务水网络模型中观察到的不确定性顺序的最优性差距的界限。
2021-03-05 math.OC
A Dual Approximate Dynamic Programming Approach to Multi-stage Stochastic Unit Commitment
本文研究了多阶段随机机组组合问题,在该问题中,机组组合和发电决策可以在每个时段内进行调整。我们制定这个问题作为一个马尔可夫决策过程,这是“弱耦合”的意义上说,如果需求约束放松,问题分解成一个单独的,低维的,马尔可夫决策过程为每个发电机。我们演示了如何调整Barty,Carpentier和Girardeau的对偶近似动态规划方法(RAIRO运筹学,44:167-183,2010)来获得该问题的边界和策略。以前的方法让拉格朗日乘子只依赖于时间,这可能会导致弱下界。其他方法让乘数依赖于过去随机观测的整个历史;虽然这提供了一个强大的下界,但它处理大量样本路径或场景的能力有限。我们演示了如何桥接这些方法的随机机组承诺问题,让乘数取决于当前观察到的需求。这允许在强下界与场景数量的良好可伸缩性之间进行良好的权衡。我们说明了这种方法数值上的168阶段的随机机组组合问题,包括最小的故障,停机时间,和斜坡的限制。
2018-06-22 math.OC
Network-Constrained Robust Unit Commitment for Hybrid AC/DC Transmission Grids
在需求不确定和可再生能源(RESs)输出功率波动的情况下,考虑输电约束和电压安全限制的日前能量和备用管理是大规模电力系统面临的一项挑战性任务。在这项工作中提出的制定支持联合调度的能源和储备,以促进经济和可靠的操作。为了提高其可扩展性,提出了一种基于Bender分解框架的两阶段迭代优化算法。因此,最优调度计算的AC网络约束(AC-NC)在预定的不确定实现的可行性。一个凸松弛应用到AC-NC支持算法的收敛性。此外,RES的集成通常受到现有电网中的传输拥塞问题的限制。对于此类电网,AC到DC转换方案对于容量扩展来说可能是可行且有吸引力的选择。在这项研究中,我们采用了一种混合AC/DC输电网(HTG)的架构,具有特定的拓扑结构,以提高电网容量的有效利用率,并容纳更多的需求和RESs,这是通过在大规模网络上的模拟展示。此外,HTG诱导AC-NC的凸松弛的精确性,支持最优调度的有效性。
2018-11-21 math.OC
Integer Programming Models for Round Robin Tournaments
循环赛是无所不在的体育比赛和超越。我们提出了两个新的整数规划配方调度循环赛,其中之一,我们称之为匹配配方。我们分析比较他们的线性松弛与线性松弛的一个著名的传统配方。我们发现,匹配配方是强于其他配方,而其LP松弛仍然是可解的多项式时间。此外,我们提供了一个指数级大小的一类有效的不等式的匹配制定。作为对不同配方强度的理论评估的补充,我们还通过实验表明,匹配配方在广泛的实例中具有优越性。最后,我们描述了一个分支和价格算法,找到循环赛的比赛是基于匹配的制定。
2022-10-15 math.OC
Use of Machine Learning Models to Warmstart Column Generation for Unit Commitment
针对能源领域机组组合问题的反复求解需求,提出用机器学习模型为列生成算法生成初始对偶值的热启动方法,相比基线方法求解更快且可扩展至大规模算例。
2023-12-15 math.OC
An MISOCP-Based Decomposition Approach for the Unit Commitment Problem with AC Power Flows
Faculty of Engineering and Natural Sciences, Sabancı University(萨班哲大学工程与自然科学学院)
本文提出基于MISOCP的分解方法,同时解决含交流功率流的单元调度问题,通过两种算法在不同规模实例上获得高质量可行解。
2022-01-05 math.OC
Warm-Startable Progressive Integrality Outer-Inner Approximation for AC Unit Commitment with Conic Formulation
本文提出一种可热启动的外内近似框架,通过混合整数线性规划和凸二次锥规划求解交流单元调度问题,采用渐进积分策略和时间块Benders割提升计算效率和鲁棒性。
2026-08-13 math.OC
Developing heuristic solution techniques for large-scale unit commitment models
针对大规模脱碳机组组合模型,提出基于松弛强制邻域搜索、机器学习引导舍入和固定-传播的启发式方法,比GUROBI快20-100倍,解质量相当,间隙低至1%。
2025-02-26 math.OC
Efficient Primal Heuristics for Mixed Binary Quadratic Programs Using Suboptimal Rounding Guidance
本文针对混合二元二次规划提出基于次优松弛解引导的RENS和Undercover扩展启发式,通过释放部分二元变量扩大受限搜索空间,在合成基准和风电场布局问题上显著降低原始间隙和原始积分。
2025-07-20 math.OC
GPU-Accelerated Optimization Solver for Unit Commitment in Large-Scale Power Grids
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种基于GPU加速的求解器,用于解决大规模电力网络中的单位调度问题,通过PDHG算法提升计算效率并减少总计算时间。
2025-12-07 cs.AR math.OC
Robust Approximate Dynamic Programming for Large-scale Unit Commitment with Energy Storages
考虑到可再生能源实现的不确定性,多阶段鲁棒机组组合(UC)对于实现可靠运行至关重要。典型的仿射决策规则方法和鲁棒可行域方法由于只依赖于当前阶段的信息,可能导致不经济的调度。通过对未来剩余成本函数的逼近,基于对偶动态规划的方法可以很好地解决多阶段鲁棒最优化问题,但存在较高的计算复杂性。因此,我们提出了鲁棒近似动态规划(RADP)方法,以提高计算速度和经济性能的大规模鲁棒UC问题。RADP算法首先确定候选点,保证值函数上界的可行性,然后求解基于线性McCormick松弛的双线性规划,得到最坏情况,最后将原始更新和对偶更新相结合,实现快速收敛。我们可以证明,RADP方法享有有限终止保证的多级鲁棒最优化问题获得次优解。对118节点和2383节点输电系统的数值试验表明,RADP可以在显著提高计算效率的情况下接近次优经济性能。
2023-03-06 math.OC
Relax-and-Cut for Temporal SCUC Decomposition
针对SCUC时间分解的短视与计算负担问题,提出整数松弛与动态N-1割平面框架,在万母线级系统中以更低时间获得更高质量解。
2025-07-28 math.OC
Primal heuristics for Dantzig-Wolfe decomposition for unit commitment
机组组合问题是能源工业中的一个短期规划问题。Dantzig-Wolfe分解是解决这一问题的常用方法。本文重点研究了原始统计学与Dantzig-Wolfe分解的结合。我们提出了两个原始算法:一个基于分解,一个基于机器学习。第一种方法使用限制主问题的分数阶解来确定整数变量的子集。在列生成过程的每次迭代中,原始启发式算法获得分数解,检查每个二进制变量是否满足完整性约束,并修复那些满足完整性约束的变量。然后,求解器快速优化剩余的变量,以找到原始实例的可行的、接近最优解的解。另一种基于机器学习的原始启发式算法,当问题需要用不同的需求数据重复求解时,具有相同的问题结构。原始启发式使用预先训练的神经网络来固定整数变量的子集。在训练阶段,神经网络被训练为预测任何需求数据和每个二进制变量,该变量取两个可能值中的每一个的可能性。在训练之后,给定一个待求解的实例,使用模型的预测,并使用舍入阈值来固定一些二进制变量。我们的数值实验比较我们的方法与解决未分解的问题,也与其他原始算法的文献。实验结果表明,基于机器学习的原始启发式算法在次优容差较大时(如0.5%或0.25%)具有较好的性能,而分解算法在容差较小时(如0.1%)性能最佳。
2022-02-28 math.OC
A Mixed-Integer SDP Solution Approach to Distributionally Robust Unit Commitment with Second Order Moment Constraints
研究了一种考虑可再生能源不确定性的电力系统机组组合问题。我们假设随机参数的一阶矩和二阶矩可以从历史数据中推断出来,然后用来模拟概率分布的集合。由此产生的问题是一个两阶段的分布式鲁棒机组组合与二阶矩约束,我们表明,它可以被改写为一个混合整数半定规划(MI-SDP)有限约束。该问题的求解算法包括求解一系列松弛的MI-SDP和一个可行性检查和顶点生成子程序。在证明半定规划(SDP)问题具有强对偶性的基础上,提出了求解MI-SDP问题的割平面算法,并引入了SDP松弛算法来求解这类难处理的双凸优化问题.在IEEE 6节点系统上的实验结果表明,在不进行任何参数调整的情况下,分布式鲁棒UC方法的实时运行代价优于确定性UC方法和两阶段鲁棒UC方法,且具有更高的调度可靠性。
2019-10-27 cs.SY eess.SY math.OC
Adaptive Methods for Multiobjective Unit Commitment
针对多目标机组组合的混合整数优化问题,提出结合ε约束与自适应权重、辅以McCormick型松弛的可扩展数学优化框架,可显著降低计算复杂度、加快帕累托前沿估算。
2025-01-13 math.OC
Alternating Methods for Large-Scale AC Optimal Power Flow with Unit Commitment
本文针对大规模安全约束机组组合与交流最优潮流问题,提出基于时空分解和惩罚交替方向法的求解方案,并辅以多种启发式方法,在严格时限内获得平均最优性间隙为1.33%的近最优解。
2025-05-09 math.OC
Value-Oriented Forecast Combinations for Unit Commitment
针对大规模电力系统中价值导向预测计算难度高、现有方法扩展性差的问题,提出基于渐进式套期保值的预测组合方法,支持高保真大模型与大数据集训练,并推导参照模型研究修改对求解质量的影响。
2025-05-18 cs.SY eess.SY math.OC
Machine Learning for Optimization-Based Separation of Mixed-Integer Rounding Cuts
针对约束固定、成本变化的MIP场景,提出结合ML的混合MIR割生成框架,通过ML筛选约束构建简化MIP割生成器,实验验证其在割平面生成各轮次中能更有效强化界,尤其适用于完整分离器难寻强割的实例。
2024-12-13 math.OC
Relaxation Methods for Hyperbolic PDE Mixed-Integer Optimal Control Problems
本文将基于松弛和舍入策略求解包含离散和连续控制决策的偏微分方程约束最优控制问题的收敛性分析推广到一维半线性双曲型方程组.结果得到了新的先验估计的松弛间隙的大小的基础上的特征流,不动点参数和特殊的正则性理论,这样的混合整数控制问题。作为一个应用,我们考虑一个松弛模型的最优流量切换控制的守恒律激励的交通流问题。
2015-09-14 math.OC
Toward Decarbonization of Chemical Manufacturing: Joint Optimization of Unit Commitment and Microgrid Operations
School of Chemical Engineering, Oklahoma State University(俄克拉荷马州立大学化学工程学院);School of Industrial Engineering and Management, Oklahoma State University(俄克拉荷马州立大学工业工程与管理学院)
提出集中优化模型,联合优化电力系统机组组合与电化学蒸汽裂解微电网运行,通过两阶段求解法高效解决大规模MILP问题,发现30%电气化水平实现最大温室气体减排。
2026-08-11 math.OC
New efficient ADMM algorithm for the Unit Commitment Problem
针对非凸的机组组合问题,提出一种新高效ADMM算法,通过迭代增加惩罚系数处理非凸性并强制收敛,在基准实例上能产生高质量解且计算时间随时间范围线性增长,在特定成本条件下优于MILP方法。
2023-11-22 math.OC
Clustering with Semidefinite Programming and Fixed Point Iteration
Brown University(布朗大学)
我们介绍了一种新的方法,使用半定规划(SDP)松弛的最大k-切问题的聚类。该方法是基于一种新的方法,四舍五入的SDP松弛使用迭代线性最优化的解决方案。我们显示的顶点的最大k-切松弛对应的分区的数据到最多k集。我们还证明了这些顶点是迭代线性最优化的吸性不动点。这个迭代过程的每一步都解决了最近顶点问题的松弛,并导致一个新的聚类问题,其中底层聚类的定义更清楚。我们的实验表明,与随机舍入相比,使用不动点迭代舍入最大k-Cut SDP松弛会导致显著更好的结果。
2022-07-05 cs.DS cs.LG math.CO
Packing under Convex Quadratic Constraints
我们考虑了一类带有凸二次背包约束的二元装箱问题。我们证明了这些问题是APX难以逼近的,并基于三种不同的算法技术提出了常数因子逼近算法:(1)针对凸松弛与非凸松弛(逼近比等于黄金分割)量身定制的舍入技术;(2)贪婪策略;(3)随机化舍入,得到了多个凸二次约束条件下的近似算法。我们进一步表明,前两个策略的组合可以用来产生单调算法,导致一个strategypproof机制的博弈论的变体的问题。最后,我们提出了一个计算研究的经验近似的三个算法的问题实例中出现的背景下,现实世界中的天然气运输网络。
2019-12-17 math.OC
Towards Efficient Large-Scale Network Slicing: An LP Dynamic Rounding-and-Refinement Approach
在本文中,我们提出了一个有效的算法,试图将多个定制的虚拟网络请求(也称为服务)映射到一个共同的共享网络基础设施,并分配网络资源,以满足不同的服务需求的网络切片问题。在文献中,该问题已被公式化为混合整数线性规划(MILP)公式。我们首先提出了一种新的线性规划(LP)松弛的MILP制定。我们表明,与自然LP松弛的MILP制定相比,新的LP松弛是更紧凑的变量和约束的数量较少,更强的提供一个更好的LP界,这使得它特别适合嵌入在LP松弛算法。然后,我们设计了一个有效的两阶段LP动态舍入和细化算法的基础上,这种新的LP松弛。在第一阶段,该算法使用LP动态舍入过程将所有业务的虚拟网络功能放置到云节点中,同时考虑所有业务的流量路由;在第二阶段,该算法使用迭代LP细化过程获得满足端到端延迟约束的所有业务的流量路由解。与已有的具有指数复杂度或返回低质量解的算法相比,该算法在解的质量和计算复杂性之间取得了更好的折衷.特别是,我们提出的算法的最坏情况下的复杂度是多项式,这使得它适合于解决大规模的问题。数值结果表明了该算法的有效性和效率。
2023-02-11 cs.IT eess.SP math.IT
An Inexact Projected Gradient Method with Rounding and Lifting by Nonlinear Programming for Solving Rank-One Semidefinite Relaxation of Polynomial Optimization
Massachusetts Institute of Technology(麻省理工学院);National University of Singapore(新加坡国立大学)
考虑求解高阶半定规划(SDP)松弛的非凸多项式最优化问题(POP),该问题常具有退化秩一最优解.而不是单独解决的SDP,我们提出了一个新的算法框架,混合使用非凸POP到全局下降使用凸SDP的本地搜索。特别是,我们首先设计了一个全局收敛的不精确投影梯度法(iPGM)求解SDP,作为我们的框架的骨干。然后,我们通过快速非线性规划算法生成的长但有保障的一阶步骤来加速iPGM。我们证明了新的框架仍然是全局收敛的求解SDP。为了解决将给定点投影到SDP的可行集上的iPGM子问题,我们设计了一个两阶段算法,第一阶段使用基于对称高斯-赛德尔的加速邻近梯度法(sGS-APG)来生成一个好的初始点,第二阶段使用修改的有限记忆BFGS(L-BFGS)方法来获得精确的解。我们分析了这两个阶段的收敛性,并建立了一个新的整体收敛的结果,修改后的L-BFGS,不需要目标函数是两次连续可微。我们进行数值实验解决二阶SDP松弛所产生的一组不同的持久性有机污染物。我们的框架展示了最先进的效率,可扩展性和鲁棒性,在解决退化的秩一SDP的高精度,即使在存在数百万的等式约束。
2021-10-26 cs.CV cs.LG math.OC
Convergence Rates of Smooth Message Passing with Rounding in Entropy-Regularized MAP Inference
Stanford University(斯坦福大学);UC Berkeley(加州大学伯克利分校)
最大后验概率(MAP)推理是统计推理的一种基本计算范式。在图形模型的设置中,MAP推理需要解决组合优化问题以找到离散值模型的最可能配置。Sherali-Adams层次中的线性规划(LP)松弛被广泛用于尝试解决这个问题,并且已经提出了平滑消息传递算法来解决这些LP的正则化版本,并且取得了巨大成功。本文利用熵正则化LP的最新研究成果,分析了一类基于边的光滑消息传递算法在松弛条件下收敛到$ε$ -最优的速度。通过适当选择正则化常数,我们提出了一个理论保证的迭代次数足以恢复真正的积分MAP解决方案时,LP是紧的,解决方案是唯一的。
2020-03-01 cs.LG math.OC stat.ML
Round and Bipartize for Vertex Cover Approximation
本文研究顶点覆盖问题,提出一种利用诱导二部子图知识的取整算法,通过分析收缩图结构证明了改进的紧近似比,并获得了3可着色图积分间隙和分数色数的紧界。
2023-07-27 cs.DS math.OC
Towards Improving Unit Commitment Economics: An Add-On Tailor for Renewable Energy and Reserve Predictions
Stevens Institute of Technology(史蒂文斯理工学院);Sichuan University(四川大学)
本文针对日前UC中原始RES与备用预测未贴合调度成本的问题,提出可嵌入“先预测后优化”流程的成本导向预测定制器,并通过双层混合整数规划训练以提升机组组合经济性。
2024-07-07 cs.LG cs.SY eess.SY
Optimal rounding under integer constraints
University of Oxford(牛津大学);LeastBit Information Lab.(LeastBit 信息实验室)
针对和为整数的N个实数,研究在保持和不变的前提下最小化舍入误差的最优整数舍入问题,证明最优解必取每个数的 floor 或 ceiling,提出向上舍入最大小数部分的方法,给出最优解的完整刻画与线性时间确定性算法,所得解严格满足约束且为最优。
2026-08-06 cs.DS math.OC
Approximate Constraint Satisfaction Requires Large LP Relaxations
证明了约束满足问题的近似形式的线性规划松弛的大小的超多项式下界。我们表明,对于这些问题,多项式大小的线性规划是完全一样强大的方案所产生的一个恒定数量的轮的Sherali-Adams层次。特别地,用于Max Cut的任何多项式大小的线性规划具有1/2的完整性间隙,并且用于Max 3-Sat的任何此类线性规划具有7/8的完整性间隙。
2016-02-08 cs.CC cs.DS math.CO