莱恩，凯文;沙比尔·艾哈迈德;桑塔努·戴伊。;拉詹，迪帕克;阿米莉亚·马斯尔曼;Jean-Paul Watson先生 优化驱动的场景分组。 （英语） Zbl 07290877号 信息J.计算。 32，第3期，805-821（2020）. 摘要：随机程序的场景分解算法通过将所有非预期约束对偶并独立解决单个场景问题来计算边界。我们开发了一种方法，通过加强精心选择的非预期约束子集，有效地将场景置于组具体来说，我们为分组场景制定了一个优化问题，其目的是通过基于评估候选可行解子集获得的信息优化代理度量来提高边界。我们证明了所提出的分组问题一般是NP-hard问题，确定了多项式可解的情况，并给出了解决该问题的两个公式：特殊情况下的匹配公式和一般情况下的混合整数规划公式。我们将所提出的分组方案用作特定场景分解算法的预处理步骤，并证明其在求解两阶段0-1随机程序的标准测试实例时的有效性。使用这种方法，我们能够证明标准测试集所有以前未解决的实例的最优性。此外，我们将该方案实现为PySP的预处理步骤，PySP是一种公开可用且广泛使用的渐进式套期保值实现，并将该分组方法与大规模随机机组组合实例的标准分组方法进行了比较。最后，将该思想推广到具有有限可行域的两阶段随机规划的有限收敛算法。 引用于5文件 MSC公司： 90立方厘米15 随机规划 关键词：随机规划;整数编程应用程序;计算方法 软件：SIPLIB公司;pglib-uc软件 PDF格式BibTeX公司 XML格式引用 \textit{K.Ryan}等人，《信息与计算》。32，第3号，805--821（2020；Zbl 07290877） 全文： 内政部 链接 参考文献： [1] Ahmed S（2013）0-1随机程序的场景分解算法。操作。Res.Lett公司。41（6）：565-569.Crossref，谷歌学者·Zbl 1287.90041号 ·doi:10.1016/j.orl.2013.07.009 [2] Ahmed S，Lutedke J，Song Y，Xie W（2017）机会约束随机规划的非预期对偶、松弛和公式。数学。编程162（1-2）：51-81.Crossref，谷歌学者·Zbl 1358.90080号 ·doi:10.1007/s10107-016-1029-z [3] Ahmed S，Garcia R，Kong N，Ntaimo L，Parija G，Qiu F，Sen S（2015）SIPLIB:随机整数规划测试库。2019年11月29日查阅，http://www2.isye.gatech.edu/～sahmed/siplib/。谷歌学者 [4] Alonso-Ayuso A，Escudero L，Garín A，Ortuño M，Perez G（2003）基于随机0-1规划的不确定性下战略供应链规划方法。J.全球优化。26（1）：97-124.谷歌学者·Zbl 1116.90383号 [5] Angulo G，Ahmed S，Dey S（2016）改进整数L形方法。信息J.计算。28（3）：483-499。谷歌学者·Zbl 1348.90498号 [6] Bakir I，Boland N，Dandurand B，Erera A（2016）多阶段随机规划的场景集分区双重边界：边界层次和分区抽样方法。工作文件，佐治亚理工学院，亚特兰大。谷歌学者 [7] Barrows C、Bloom A、Ehlen A、Jorgenson J、Krishnamurthy D、Lau J、McBennett B等（2018）IEEE可靠性测试系统：2018年更新建议。工作文件，国家可再生能源实验室，Golden，CO.谷歌学者 [8] Birge JR（1982）具有固定追索权的随机线性规划中随机解的值。数学。编程24（1）:314-325.Crossref，谷歌学者·Zbl 0502.90065号 ·doi:10.1007/BF01585113 [9] Caröe CC，Schultz R（1999）随机整数规划中的对偶分解。操作。Res.Lett公司。24（1-2）:37-45.Crossref，谷歌学者·Zbl 1063.90037号 ·doi:10.1016/S0167-6377（98）00050-9 [10] Crainic TG、Hewitt M、Rei W（2014），随机网络设计中基于渐进享乐主义元神经的情景分组。计算。操作。物件。43（3月）：90-99 Crossref，谷歌学者·Zbl 1348.90165号 ·doi:10.1016/j.cor.2013.08.020 [11] Deng Y，Ahmed S，Shen S（2018）风险规避0-1随机规划的并行场景分解。信息J.计算。30（1）:90-105.谷歌学者·Zbl 1528.90166号 [12] Dey SS、Molinaro M、Wang Q（2018）《稀疏研磨的稀疏切割平面分析及其在随机研磨中的应用》。数学。操作。物件。43（1）:304-332.谷歌学者·Zbl 1432.90090 [13] Gade D、Hackebeil G、Ryan S、Watson JP、Wets RJ-B、Woodruff D（2016）《从随机混合整数规划的渐进对冲算法中获得下限》。数学。编程157（1）：47-67.谷歌学者·Zbl 1338.90282号 [14] Garey MR、Johnson DS（1979）计算机与不可修复性：NP-完备性理论指南（W.H.Freeman&Co.，纽约）。谷歌学者·Zbl 0411.68039号 [15] Knueven B、Ostrowski J、Watson JP（2017）单位承诺中启动成本的新型匹配公式。工作文件，新墨西哥州阿尔伯克基桑迪亚国家实验室。谷歌学者 [16] Maggioni F，Allevi E，Bertocchi M（2016）多级混合整数随机规划中的单调界。计算。管理科学。13（3）：423-457.Crossref，谷歌学者·Zbl 1397.90287号 ·doi:10.1007/s10287-016-0254-5 [17] Ntaimo L，Sen S（2005）随机组合优化的百万变量进军。J.全球优化。32（3）：385-400.谷歌学者·Zbl 1098.90045号 [18] Rockafellar RT，Wets R-JB（1991），不确定性优化中的情景和策略聚合。数学。操作。物件。16（1）：119-147.链接，谷歌学者·Zbl 0729.90067号 [19] Ryan K，Rajan D，Ahmed S（2016）0-1随机程序的场景分解：改进和异步实现。2016 IEEE国际。并行分布式处理Sympos。研讨会（IEEE，新泽西州皮斯卡塔韦），722-729。谷歌学者 [20] Sandikçi B，Ùzaltin O（2017）多阶段随机程序的可扩展边界方法。SIAM J.Optim公司。27（3）：1772-1800.谷歌学者·Zbl 1372.49039号 [21] Sandikçi B，Kong N，Schaefer AJ（2012）随机混合整数规划的边界层次。数学。编程138（1）：253-272谷歌学者·Zbl 1266.90133号 [22] Shapiro A、Dentcheva D、Ruszczynski A（2014）随机规划讲座：建模与理论第2版（SIAM，费城）。Crossref，谷歌学者·兹比尔1302.90003 ·doi:10.1137/1.9781611973433 [23] Song Y，Luedtke J（2015）一种基于分区的自适应方法，用于求解具有固定资源的两阶段随机规划。SIAM J.Optim公司。25（3）：1344-1367.Crossref，谷歌学者·Zbl 1317.90222号 ·数字对象标识代码：10.1137/140967337 [24] Watson JP，Woodruff DL（2011）一类随机混合整数资源分配问题的渐进对冲创新。计算。管理科学。8（4）：355-370.Crossref，谷歌学者·兹比尔1225.91032 ·文件编号：10.1007/s10287-010-0125-4 [25] Zenarosa GL，Prokopyev OA，Schaefer AJ（2014）场景树分解：多级随机混合整数程序的边界。匹兹堡大学工作论文。谷歌学者 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。