本文提出了一种求解线性规划多面体近似中心的方法。这种方法提供了一个点附近的一个多面体的简单和容易的步骤。本文还给出了几何解释和一些数值算例来说明所提出的方法,并将其与现有的求精确中心和近似中心的方法进行了比较。最后给出了随机生成多面体的计算结果,比较了新方法得到的中心质量。
线性规划(LP)是一种优化线性函数的数学技术,它受一组线性约束和非负向约束。线性程序经常出现在当今应用科学的各个领域。这样做的主要原因是它们在不同学科中具有可管理的、巨大的影响;它已经成为许多数学家、经济学家、决策科学家等的核心研究领域。线性规划是在第二次世界大战期间发展起来的,当时一个能够最大限度地提高资源效率的系统是极其重要的。此后,许多研究者努力推进他们的思想,将多面体定心作为科学和工业上主要优化技术(称为内点法)的核心步骤。
有几种方法可以定义多面体的中心,它可能是重心,<我t一个lic>
重心我t一个lic>,所有顶点的平均位置即,<我t一个lic>
顶点重心我t一个lic>,点到各边界线距离乘积最大的位置,即<我t一个lic>
分析中心我t一个lic>,包含多面体的最小体积椭球的中心,或多面体中最大的球的中心。因此,多面体的中心取决于我们所使用的定义。但是,幸运的是,在某种意义上,所有这些定义都是等价的,如[
许多技巧[
用于解决LPS的大多数内部点方法取决于中心发现方法的计算,无论是明确还是隐含的
分析中心[
让<我t一个lic>
年代我t一个lic>是一个由线性不等式(标准化)系统描述的多面体:
的分析中心<我t一个lic>
年代我t一个lic>是点<我nline-formula>
当<我t一个lic> 年代我t一个lic>被界定,这个最大化问题总是有解决方案。
一般来说,解析中心取决于特定不等式的定义。冗余不等式的加入可以将分析中心推向边界。在下面几节中
考虑一个用集合描述的线性规划多面体<我nline-formula>
让<我nline-formula>
多托焦的顶点质心可以定义为边界上所有点的平均值和[
每一个<我nline-formula>
如果<我nline-formula>
Carlos将其定义为近似于顶点质心因为在每次迭代中,他在边界上取了2 -m个不同方向的不同点。看起来是非常有效的方法,他也表明,中心的质量也很好,甚至大多数时候P-center方式比分析中心的中心,但实际上,它是发现,它变得非常缓慢收敛和达到一个特定的宽容。有时,它需要大量的迭代才能接近质心。计算结果在本节中显示
在本节中,我们将描述一节中描述的方法的递归版本
总的来说,对于一个问题来说<我t一个lic>
米我t一个lic>约束,此过程的每次迭代都成立<我t一个lic>
米我t一个lic>脚步。在这里,<我nline-formula>
对于任何<我t一个lic>
k我t一个lic>在迭代过程中,该方法需要一个内部可行点<我nline-formula>
步<我t一个lic>
k我t一个lic>1:计算<我nline-formula>
步<我t一个lic>
k我t一个lic>
既然所有超平面都有贡献,我们可以<我nline-formula>
P-center和CN-center计算的主要区别可以简单地用第一次迭代的初始两个步骤来说明。
迭代1.步骤1:这两个方法都相同地采取内部可行点,比如说<我nline-formula>
迭代1。第二步:战略差异从这里开始;p中心法现在又用法线2求另外两个边界点的平均值nd约束和相同的起点<我nline-formula>
相比之下,CN-center的方法取2的正常值nd约束和一个新点<我nline-formula>
我们进行了数值体验,将CN中心与P-Center,分析中心和质心进行比较,在Matlab中的几种多样性和具有合适的公差水平的收敛中。首先,我们在2D空间中显示Polytopes的图片,以说明CN中心,P中心,分析中心和质心的收敛性。其次,我们介绍了随机生成的多晶硅表中的数值结果。
为了将P-center和CN-center的收敛形象化,我们从[
Polytope1,P-Center在56次迭代中获得,但是在仅11次迭代中获得CN中心。智者既看起来相当于。
polytope 2,朝向中心的收敛性。
polytope 3,朝向中心的收敛性。
多面体4,向中心收敛。
表格
P-center和CN-center的迭代次数和质量比较。
多胞形数 | P-center | CN-center | ||||
---|---|---|---|---|---|---|
|
|
迭代 |
|
|
迭代 | |
1 | 0.7597 | (1.4453, 3.4772) | 56. | 0.6903 | (1.3980, 3.6719) | 11 |
2 | 0.9272 | (0.9790,3.0236) | 38. | 0.9262 | (0.9843,3.0236) | 7 |
3. | 0.3332 | (0.3602, 0.7120) | 16. | 0.3311 | (0.3585, 0.7503) | 2 |
4 | 0.1594 | (0.1947, 0.3126) | 12 | 0.1656 | (0.2014, 0.3064) | 3. |
正如我们在Table中看到的
现在,我们取另外四种不同的多面体,比较分析中心、p中心、质心和cn中心的观测质量。表格
解析中心、p中心、cn中心和质心坐标的数值比较。
多胞形数 | 分析中心 | P-center | CN-center | 重心 |
---|---|---|---|---|
1 | (2.3932,2.8696) | (1.4453, 3.4772) | (1.3980, 3.6719) | (1.4364, 0.6318) |
2 | (0.6340, 3.5490) | (0.9790,3.0236) | (0.984, 3.0236) | (1.0000, 3.0000) |
3. | (0.3732, 0.8454) | (0.3602, 0.7120) | (0.358,0.7503) | (0.3524, 0.7403) |
4 | (0.2152, 0.3704) | (0.1947, 0.3126) | (0.2014, 0.3064) | (0.2644, 0.2738) |
分析中心(黄色方块表示)、p中心(蓝色星号表示)、cn中心(黑色圆点表示)、质心(绿色菱形表示)的质量图形比较。
我们的计算表明,如果取初始点在区域的窄角附近,那么P-center和CN-center的迭代次数会有很大的差异,如图所示
当初始点位于窄角附近时,cn中心比p中心收敛快得多。
当初始点位于宽角附近时,p中心和cn中心的迭代次数几乎相等。
现在,表
随机生成LPs的MATLAB计算结果。
数量的限制 | P-center | CN-center | ||
---|---|---|---|---|
中心的坐标 | 数量的迭代 | 中心的坐标 | 数量的迭代 | |
25. | (0.0965, 0.0752) | 6 | (0.1122, 0.0793) | 1 |
(0.0465,0.0746) | 8 | (0.0469,0.1064) | 1 | |
(0.3132,0.7748) | 12 | (0.3187, 0.8938) | 1 | |
(0.4704, 0.0892) | 24. | (0.4837, 0.0898) | 2 | |
(0.5839, 0.1610) | 21. | (0.5442,0.1541) | 2 | |
(0.0686, 0.2428) | 32. | (0.0731, 0.3027) | 5 | |
(0.1244, 0.3280) | 12 | (0.1294, 0.3847) | 1 | |
(0.3476, 0.0421) | 24. | (0.3151, 0.0403) | 4 | |
(0.2793, 0.1585) | 12 | (0.2714, 0.1569) | 2 | |
(0.2134, 0.0223) | 2 | (0.2255, 0.0221) | 3. | |
(0.1856, 0.0341) | 23. | (0.2183, 0.03257) | 3. | |
|
||||
50. | (0.0346,0.0922) | 13 | (0.0328, 0.1205) | 1 |
(0.0761,0.0101) | 19. | (0.0943,00098) | 2 | |
(0.1607,0.2225) | 6 | (0.1714, 0.2511) | 1 | |
(0.1092, 0.0408) | 17. | (0.1538, 0.0368) | 2 | |
(0.1669, 0.0229) | 19. | (0.1592,0.0229) | 1 | |
(0.2277, 0.0482) | 28. | (0.2159, 0.0479) | 2 | |
(0.4047, 0.03670) | 31. | (0.3385, 0.0342) | 3. | |
(0.1925, 0.3076) | 14 | (0.1881, 0.3085) | 1 | |
(0.1546, 0.1301) | 12 | (0.1678,0.1517) | 1 | |
(0.2142, 0.0126) | 89. | (0.3065,0.0111) | 10 | |
(0.3657,0.2198) | 16. | (0.370951, 0.2122) | 1 |
最后,表中提出了更高维度随机LPS的结果
比较高维随机LPs的平均迭代次数。
订单 | P-center | CN-center |
---|---|---|
3×5 | 62.71 | 16.57 |
5×3 | 35.85 | 8.23 |
5×5 | 85.5 | 55.33 |
10×5 | 136.8 | 34.4 |
10×10 | 476.44 | 77.22 |
15×15 | 650.71 | 249.85 |
15×10 | 348.6 | 96.34 |
20×20 | 331.44 | 258.88 |
30×20 | 213.2 | 162.7 |
20×30 | 508.2 | 236 |
30×30 | 206.75 | 193.125 |
注意:在这里,<我nline-formula>
有很多领域可以用近似中心法求解有限极限规划,例如求解线性规划和一般凸规划[
在本文中,我们提出了P-center [
一般来说,寻找LP的中心位置是大多数内点法的主要关键步骤。通常,我们不需要精确的中心,相反,如果在较少的计算中获得一个良好的中心位置就足够了。所以,在这个意义上,CN-center是一个更好的选择,而不是P-center或分析中心。
使用MATLAB软件随机生成数据。可以根据要求提供随机数和相关的MATLAB文件的种子。
作者声明他们没有利益冲突。