×

EVPI公司

swMATH ID: 2644
软件作者: M.A.H.Dempster和R.T.Thompson
描述: 并行MIMD体系结构上多级随机线性规划基于EVPI的重要抽样求解过程。多阶段随机线性规划对于当前决策必须在未来不确定性下进行的问题有许多实际应用。求解这些动力学问题的确定性等价形式有多种方法,包括单纯形法、内点法和嵌套Benders分解法,它将原始问题分解为一组较小的线性规划问题,最近已证明其优于大型问题的替代方案。Benders子问题可以被可视化为连接到树的节点,该树是由确定问题不确定性的随机数据过程的实现形成的。本文描述了嵌套Benders算法的并行实现,该算法使用一种耕作技术来并行化节点子问题的解。测试问题的不同结构导致各种多计算平台上的加速程度不同:每个节点的变量和约束较少的问题无法从这种并行化中获益。因此,我们对此类问题采用阶段聚合,通过增加节点的大小,从而增加计算所花费的时间(相对于处理器之间的通信所花的时间)来提高并行解决方案的效率。提出了一种基于完全信息局部期望值(EVPI)的序贯重要性抽样解算法的并行版本,该算法适用于具有太多数据路径无法直接求解或可能实现的连续分布的超大规模多级随机线性规划。它使用并行嵌套Benders算法和并行版本的算法来计算树节点的局部EVPI值,并实现近似线性的加速。
主页: http://www.springerlink.com/content/q624v147023u8h42/fulltext.pdf
关键词: 线性规划动态随机规划嵌套Benders分解并行算法聚合MIMD计算机
相关软件: MSLiP公司GAMS游戏SLP-IOR系统VRP公司DDSIP公司隐马尔可夫模型拉丁超立方体采样苏蒂尔算法647M探针iNEOS公司PETSc公司FortMP公司
引用于: 20文件

按年份列出的引文