Un algoritmo basado en programación lineal para resolver una clase de optimización problemas

con una función objetivo multilineal y restricciones afines.

Resumen
________________________________________________________________________________
Presentamos un algoritmo basado en programación lineal para una clase de problemas de optimización con
una función objetivo multilineal y restricciones afines. Esta clase de problemas de optimización tiene un solo
objetivo función, pero también se puede ver como una clase de problemas de optimización multiobjetivo al
descomponer su función objetiva.

El algoritmo propuesto explota esta idea y resuelve esta clase de problemas de optimización desde el punto de
vista de la optimización multiobjetivo. El algoritmo calcula una solución óptima cuando el número de
variables en la función objetivo multilineal es dos, y una solución aproximada cuando el número de variables
es mayor que dos.
Los problemas de optimización en esta clase se puede reformular como programas de cono de segundo orden
y, por lo tanto, también se puede resolver mediante solucionadores de programación de cono secundario. Esto
es altamente efectivo para instancias de tamaño pequeño y mediano, pero nosotros demuestran que para
instancias de gran tamaño con dos variables en la función objetivo multilineal algoritmo propuesto supera a
un solucionador de programación de cono (comercial) de segundo orden.

En este documento, estudiamos los problemas de optimización de la forma,

Tales problemas de optimización a menudo surgen en la teoría configuraciones de juegos donde las variables
x representan las acciones de los jugadores y la “y” las variables representan las utilidades de los jugadores.

También surgen al calcular un equilibrio de un mercado lineal de asignación de capacidad.

Nos referiremos a un problema de optimización de este tipo como positivo programa multi-lineal con
restricciones afines (PMP-A).

Nos referimos para el conjunto

𝑋: = {𝑥 ∈ 𝑅𝑛: 𝐴𝑥 ≤ 𝑏, 𝑥 ≥ 0}

Como el conjunto factible en el espacio de decisión y para el conjunto

𝑌: = {𝑦 ∈ 𝑅𝑝: 𝑥 ∈ 𝑋, 𝑦 = 𝐷𝑥 + 𝑑, 𝑦 ≥ 0}
Como el conjunto factible en el espacio de pago. Suponemos que X está limitado (lo que implica que Y es
compacto) y que el objetivo óptimo del problema es estrictamente positivo, es decir, existe una y ∈ Y tal que
𝑦 > 0. Usualmente nos referimos a x ∈ X como una solución factible y a y ∈ Y como un punto factible (y es
la imagen de x en el espacio de pago).
La principal contribución de nuestra investigación es el desarrollo de un algoritmo basado en programación
lineal (basado en LP) para resolver instancias de PMP-A. Cuando el número de variables en la función
objetivo multilineal es dos (es decir, p = 2), el algoritmo calcula una solución óptima en tiempo polinomial, y
cuando el número de variables es mayor que dos, el algoritmo calcula una solución aproximada (pero con una
garantía de calidad). Un estudio computacional demuestra que cuando el tiempo de computación disponible es
limitado nuestro algoritmo supera significativamente a la conocida programadores convexos de programación
IPOPT y CVXOPT.

Un PMP-A puede ser reformulado como un programa de cono de segundo orden (SOCP) y, por lo tanto,
resuelto por cualquier solucionador de SOCP. El enfoque SOCP funciona bien y supera al algoritmo basado
en LP en instancias de tamaño pequeño a mediano. Para instancias de gran tamaño con p = 2, sin embargo, el
LP el algoritmo todavía domina.

CPLEX SOCP  método para resolver los problemas con función multiobjetivo

“Técnicamente, la clase de problema cuadráticamente restringida que resuelve el optimizador de barrera es un Programa de cono de
segundo orden (SOCP). ILOG CPLEX, a través de su función de preprocesamiento, hace la traducción a SOCP por usted, de forma
transparente, devolviendo la solución en términos de su formulación original. El optimizador de barrera aceptará una solución para
la solución si puede transformarse en la siguiente restricción convexa de cono de segundo orden:

Esa formulación se distingue principalmente por los signos específicos de los coeficientes c y por la falta de un término lineal,
donde x 0 es una variable no negativa”