L 形算法中的动态割聚集
最优化与控制
2020-10-06 v2
摘要
我们提出一种用于 L 形算法中动态割聚集的新框架。其目的是通过降低通信延迟与负载不平衡来改善分布式 L 形算法的并行性能。我们展示了最优性割如何被聚集成任意划分而不影响 L 形算法的收敛性。此外，我们给出带静态割聚集的 L 形算法的最坏情况界，并将该结果推广至动态聚集。我们提出多种契合该框架的聚集方案，并在一组大规模随机规划问题上对其进行评估。所有方法均在我们用 Julia 编程语言编写的开源随机规划框架 StochasticPrograms.jl 中实现。此外，我们提出一种结合动态与静态割聚集优势的颗粒化策略。我们的方法在分布式环境下可带来显著的性能提升。实验结果表明，颗粒化策略能在一系列测试问题上持续产生高性能。实验结果得到我们最坏情况界的支撑。
引用
@article{arxiv.1910.13752,
title = {Dynamic cut aggregation in L-shaped algorithms},
author = {Martin Biel and Mikael Johansson},
journal= {arXiv preprint arXiv:1910.13752},
year = {2020}
}
备注
Submitted for consideration to the European Journal of Operational Research