结合渐进对冲与 Frank-Wolfe 方法计算随机混合整数规划中的拉格朗日对偶界
最优化与控制
2017-02-06 v1
摘要
我们提出一种新的原始对偶算法，用于计算通过松弛非预期约束而构成的随机混合整数规划（SMIP）的拉格朗日对偶值。该对偶广泛应用于求解 SMIP 的分解方法中。该算法依赖于著名的渐进对冲方法，但与先前针对 SMIP 的渐进对冲方法不同，我们的算法可证明收敛到最优拉格朗日对偶值。新算法的关键改进在于一个优化的线性化步骤内循环，类似于经典 Frank-Wolfe 方法中所采取的步骤。数值结果表明，在获取 SMIP 中的对偶界方面，我们的新算法在经验上优于渐进对冲的标准实现。
引用
@article{arxiv.1702.00880,
title = {Combining Progressive Hedging with a Frank-Wolfe Method to Compute Lagrangian Dual Bounds in Stochastic Mixed-Integer Programming},
author = {Natashia Boland and Jeffrey Christiansen and Brian Dandurand and Andrew Eberhard and Jeff Linderoth and James Luedtke},
journal= {arXiv preprint arXiv:1702.00880},
year = {2017}
}
备注
35 pages, 8 figures