一种用于p-鲁棒枢纽选址问题的松弛与分解算法
最优化与控制
2017-02-02 v1
摘要
在本文中，将一个非线性的p-鲁棒枢纽选址问题扩展到一个风险环境中，其中采用具有极小-极大后悔形式的增广机会约束将网络风险作为目标之一。该模型考虑诸如安全性、空气污染和拥堵等风险因素来设计鲁棒枢纽网络。应用了一种基于蒙特卡洛模拟的算法，即样本平均近似方案，来选择一组有效情景。然后使用该文提出的基于加速Benders分解与拉格朗日松弛方法耦合的新型松弛与分解启发式算法求解该问题。为了改进分解机制，在所提算法中应用了多帕累托割版本。在我们的数值测试中，使用了著名的CAB数据集的修正版本，具有不同水平的参数不确定性。结果证明了所提模型设计鲁棒网络的能力。我们也验证了样本平均近似方法的准确性。最后，将所提算法针对不同实例的结果与其他求解方法进行比较，证实了所提求解方法的有效性。
引用
@article{arxiv.1702.00085,
title = {A Relax-and-Decomposition Algorithm for a p-Robust Hub Location Problem},
author = {Saeid Abbasi Parizi and Mahdi Bashiri and Andrew Eberhard},
journal= {arXiv preprint arXiv:1702.00085},
year = {2017}
}
备注
53 pages, 7 Figures