Relaksacje i teoria dualności jako wsparcie rozwiązywania
Transkrypt
Relaksacje i teoria dualności jako wsparcie rozwiązywania
Relaksacje i teoria dualności jako wsparcie rozwiązywania problemów projektowania sieci Andrzej Kamisiński Katedra Telekomunikacji Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie 20 listopada 2014 Plan • Wstęp • Dualność problemów programowania liniowego (LP) • Relaksacja Lagrange'a • Dualizacja Lagrange'a • Relacja problemów dualnych Lagrange'a oraz LP • Dualizacja Lagrange'a dla problemów wypukłych • Dualizacja Lagrange'a dla problemów MILP • Podsumowanie © A. Kamisiński Wstęp 2 / 24 Ilustracja dualności (przykład) © A. Kamisiński Wstęp 3 / 24 Dualność problemów LP Problem prymalny: min n ∑ Problem dualny: cj xj m ∑ max j=1 s.t.: n ∑ bi πi i=1 s.t.: aij xj ≥ bi i = 1, 2, . . . , m j=1 m ∑ aij πi ≤ cj j = 1, 2, . . . , n πi ≥ 0 i = 1, 2, . . . , m i=1 xj ≥ 0 j = 1, 2, . . . , n xj — zmienna j πi — zmienna dualna i © A. Kamisiński Problemy programowania liniowego 4 / 24 Dualność problemów LP Problem prymalny: Problem dualny: max bT π min cx s.t.: s.t.: Ax ≥ b x ≥ 0 A T π ≤ cT π ≥ 0 © A. Kamisiński Problemy programowania liniowego 5 / 24 Dualność problemów LP — właściwości • Przeciwny charakter funkcji celu (min lub max) • Związek pomiędzy zmiennymi dualnymi oraz ograniczeniami • Odstęp dualności jest równy 0 • Problemy LP mogą być wielokrotnie dualizowane (w przeciwieństwie do problemów IP) • Jeśli problem prymalny jest sprzeczny, wówczas problem dualny jest nieograniczony lub sprzeczny • Jeśli problem prymalny jest nieograniczony, wówczas problem dualny jest sprzeczny © A. Kamisiński Problemy programowania liniowego 6 / 24 Słabe twierdzenie o dualności • Dla dowolnych rozwiązań dopuszczalnych x (dla problemu prymalnego) oraz π (dla problemu dualnego) zachodzi następująca relacja (problem prymalny — minimalizacja): n ∑ cj x j ≥ j=1 m ∑ bi πi i=1 • Dowód: n ∑ cj xj ≥ ( m n ∑ ∑ j=1 j=1 i=1 ) aij πi xj = m ∑ i=1 m n ∑ ∑ bi πi aij xj πi ≥ j=1 i=1 © A. Kamisiński Problemy programowania liniowego 7 / 24 Silne twierdzenie o dualności Problem prymalny posiada ograniczone rozwiązanie optymalne postaci x∗ = (x∗1 , x∗2 , . . . , x∗n ) wtedy i tylko wtedy, gdy problem dualny również posiada ograniczone rozwiązanie optymalne π ∗ = (π1∗ , π2∗ , . . . , πn∗ ) Wówczas prawdziwa jest równość: n ∑ j=1 cj x∗j = m ∑ bi πi∗ i=1 © A. Kamisiński Problemy programowania liniowego 8 / 24 Twierdzenie o odstępach komplementarnych n ∑ aij x∗j ≥ bi i = 1, 2, . . . , m (1) aij πi∗ ≤ cj j = 1, 2, . . . , n (2) j=1 m ∑ i=1 n ∑ πi∗ aij x∗j − bi = 0 ( j=1 m ∑ aij πi∗ − cj (3) ) x∗j = 0 (4) i=1 Jeśli w nierówności (2) obie strony nie są sobie równe, to wartość optymalna x∗j w równaniu (4) wynosi 0 © A. Kamisiński Problemy programowania liniowego 9 / 24 Dualność problemów LP — zastosowania • Wyznaczenie ograniczeń (górnych lub dolnych) dla rozwiązania optymalnego problemu prymalnego min f = cx max T (problem prymalny) g = b π (problem dualny) • Szacowanie czułości funkcji celu na zaburzenia ∆b wprowadzone do ograniczeń Ax ≥ b + ∆b (problem prymalny) T max g = (b + ∆b) π (problem dualny) © A. Kamisiński Problemy programowania liniowego 10 / 24 Relaksacja Lagrange'a • Problem prymalny min F (x) s.t.: hi (x) = 0 i = 1, 2, . . . , m (µi ) gj (x) ≤ 0 j = 1, 2, . . . , n (λj ) x ∈ X • Funkcja Lagrange'a (µ , λ — zmienne dualne) L (x; µ, λ) = F (x) + m ∑ i=1 µi hi (x) + n ∑ λj gj (x) j=1 x ∈ X λ ≥ 0, µ — nieograniczone co do znaku © A. Kamisiński Relaksacja Lagrange'a 11 / 24 Dualizacja Lagrange'a • Funkcja dualna W (µ, λ) = minx∈X λ ≥ 0, L (x; µ, λ) µ — nieograniczone co do znaku • Dla pewnych wartości zmiennych dualnych (µ, λ) może się zdarzyć, że: W (µ, λ) = −∞ • Zatem należy zdefiniować dziedzinę funkcji dualnej: Dom (W) = {(µ, λ) : µ ∈ Rm , λ ∈ Rn , λ ≥ 0, minx∈X L (x; µ, λ) > −∞} © A. Kamisiński Dualizacja Lagrange'a 12 / 24 Dualizacja Lagrange'a • Problem dualny Lagrange'a max W (µ, λ) s.t.: (µ, λ) ∈ Dom (W) λ ≥ 0, µ — nieograniczone co do znaku • Słabe twierdzenie o dualności F (x∗ ) ≥ W (µ∗ , λ∗ ) x∗ — rozwiązanie optymalne problemu prymalnego (µ∗ , λ∗ ) — rozwiązanie optymalne problemu dualnego © A. Kamisiński Dualizacja Lagrange'a 13 / 24 Dualizacja Lagrange'a — właściwości • Wartość optymalna w problemie dualnym stanowi ograniczenie (dolne lub górne) wartości optymalnej problemu prymalnego • Jeśli wszystkie funkcje F, hi oraz gj są ciągłe oraz zbiór X jest zwarty, wówczas: • W (µ, λ) jest funkcją wklęsłą, • Dom (W) = {(µ, λ) : µ ∈ Rm , λ ∈ Rn , λ ≥ 0} • Odstęp dualności • F (x∗ ) − W (µ∗ , λ∗ ) ≥ 0 • Jeśli odstęp dualności jest równy 0, to wtedy wartości (µ∗ , λ∗ ) są nazywane mnożnikami Lagrange'a • Odstęp dualności dla problemów wypukłych jest zawsze równy 0 © A. Kamisiński Dualizacja Lagrange'a 14 / 24 Identyczność problemów dualnych Lagrange'a oraz LP Relaksacja Lagrange'a: Problem prymalny: max cx L (x; π) = cx + π (b − Ax) L (x; π) = (c − πA) x + πb x ≥ 0 s.t.: π ≥ 0 Ax ≤ b x ≥ 0 W (π) = maxx∈X L (x; π) { πb, (c − πA) ≤ 0 W (π) = ∞, (c − πA) > 0 © A. Kamisiński Relacja problemów dualnych 15 / 24 Identyczność problemów dualnych Lagrange'a oraz LP Problem prymalny: Problem dualny Lagrange'a: min bT π max cx s.t.: s.t.: Ax ≤ b x ≥ 0 A T π ≥ cT π ≥ 0 Problem dualny programowania liniowego jest przypadkiem szczególnym relaksacji Lagrange'a, o ile dualizacja obejmuje wszystkie ograniczenia zdefiniowane w problemie prymalnym © A. Kamisiński Relacja problemów dualnych 16 / 24 Dualizacja Lagrange'a dla problemów wypukłych — właściwości Niech x∗ oraz (µ∗ , λ∗ ) będą wartościami optymalnymi odpowiednio dla problemu prymalnego i dualnego. Wówczas: • funkcja dualna W (µ, λ) jest wklęsła, a jej dziedzina jest zbiorem wypukłym; zatem problem dualny problemu wypukłego również jest problemem wypukłym • jeśli zarówno problem prymalny jak i dualny nie są sprzeczne, to F (x∗ ) = W (µ∗ , λ∗ ) • jeśli problem prymalny jest nieograniczony, to wtedy problem dualny jest sprzeczny; podobnie, jeśli problem dualny jest nieograniczony, to problem prymalny jest sprzeczny © A. Kamisiński Dualizacja Lagrange'a dla problemów wypukłych 17 / 24 Dualizacja Lagrange'a dla problemów wypukłych — właściwości • dla każdego rozwiązania optymalnego problemu dualnego (µ∗ , λ∗ ) istnieje rozwiązanie optymalne problemu prymalnego x∗ i na odwrót, dla każdego rozwiązania optymalnego x∗ istnieje takie rozwiązanie optymalne (µ∗ , λ∗ ), że: W (µ∗ , λ∗ ) = L (x∗ ; µ∗ , λ∗ ) • punkt (x∗ ; µ∗ , λ∗ ) stanowi punkt siodłowy © A. Kamisiński Dualizacja Lagrange'a dla problemów wypukłych 18 / 24 Relaksacja liniowa problemu MILP Problem prymalny MILP: ( MILP ) max z = cx z Relaksacja liniowa: s.t.: s.t.: max z = cx Ax ≤ b Ax ≤ b Dx ≤ d Dx ≤ d x ≥ 0 x ≥ 0 x ∈ Z x ∈ R ( zLIN ) © A. Kamisiński Dualizacja Lagrange'a dla problemów MILP 19 / 24 Relaksacja Lagrange'a problemu MILP Funkcja Lagrange'a: Problem prymalny MILP: ( MILP ) max z = cx z L (x; π) = cx + π (d − Dx) Relaksacja Lagrange'a: s.t.: max L (x; π) Ax ≤ b Dx ≤ d s.t.: x ≥ 0 X = {x : Ax ≤ b, x ≥ 0, x ∈ Z} x ∈ Z x ∈ X π ≥ 0 © A. Kamisiński Dualizacja Lagrange'a dla problemów MILP 20 / 24 Dualizacja Lagrange'a problemu MILP • Funkcja dualna Lagrange'a W (π) = maxx∈X L (x; π) Dom (W) = {π : π ∈ R, π ≥ 0, maxx∈X L (x; π) < ∞} • Problem dualny Lagrange'a min z = W (π) π ( zLD ) ∈ Dom (W) • Relacja pomiędzy wartością optymalną zMILP a ograniczeniami • zMILP ≤ zLD ≤ zLIN • Dualizacja oparta na relaksacji Lagrange'a zapewnia lepsze (dokładniejsze) ograniczenie wartości optymalnej problemu prymalnego niż relaksacja liniowa © A. Kamisiński Dualizacja Lagrange'a dla problemów MILP 21 / 24 Podsumowanie • Dualność jako powiązanie dwóch problemów optymalizacyjnych • Nowe metody poszukiwania ograniczeń dla rozwiązań problemów optymalizacyjnych • Tworzenie wydajnych algorytmów • Proces rozwiązywania problemu dualnego może być mniej skomplikowany niż w przypadku problemu prymalnego © A. Kamisiński Podsumowanie 22 / 24 Literatura • Michał Pióro and Deepankar Medhi. Routing, Flow and Capacity Design in Communication and Computer Networks. Morgan Kaufmann Publishers — Elsevier, San Francisco, CA, 2004. • Dualność problemów poszukiwania maksymalnego przepływu oraz minimalnego rozcięcia w grafie (dostęp: 20.11.2014): http://theory.stanford.edu/~trevisan/cs261/lecture15.pdf © A. Kamisiński Podsumowanie 23 / 24 Dziękuję za uwagę Podsumowanie 24 / 24