项目名称: 一类极大加和逆优化问题的研究

项目编号: No.11471073

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 关秀翠

作者单位: 东南大学

项目金额: 68万元

中文摘要: 本项目提出一类新的逆优化问题- - 极大加和逆优化问题:通过调整sum-权向量或max-权向量,使得某个给定可行解成为新权值下的极大加和优化问题的最优解,目标是使得调整量在某种模意义下尽可能小。本项目首先从研究三个具体问题- - 极大加和逆支撑树问题、极大加和逆最短路问题和极大加和逆线性规划问题入手,再延伸到研究一般的极大加和逆优化问题,旨在找出这类问题的结构特点和算法共性,并设计通用算法。针对具体问题,根据组合结构特点和度量模特性,分析不同模下的时间复杂性,设计相应的多项式时间算法或近似算法,分析近似算法的近似比,进行数值试验验证算法性能。该研究问题比单目标逆优化问题更具挑战性,需要设计新方法。本项目开创了研究双准则逆优化问题的先河,对多目标逆优化问题的研究有重要推动作用。因此,本项目的研究将深化组合优化逆问题的理论,同时这种逆优化思想的延伸及与应用领域的交叉融合将有助于产生新的优化问题。

中文关键词: 组合优化;算法设计与分析;网络优化;计算复杂性;近似算法

英文摘要: A new class of inverse optimization problems is proposed.In the inverse max+sum optimization problems, the sum-weight vector or max-weight vector is modified to make a given feasible solution optimal in the max+sum optimization problem with the new weight vector. The objective is to minimize the modification of vector under some norm. We first consider three concrete problems including the inverse max+sum spanning tree problems, the inverse max+sum shortest path problems and the inverse max+sum linear programming problems. Then consider the general inverse max+sum optimization problems. We aim to devise a general algorithm for this class of problems based on their structure characteristic and common properties of algorithms. For these three concrete problems, we first analyze time complexities and devise the corresponding algorithms based on the properties of combinatorial structures and different norms; then analyze approximation ratios and verify algorithm performance by numerical experiments.This class of problems is more challenging than the inverse single-objective optimization problems. And we need to devise new algorithms to solve them. As far as we know, this project is the first one on the inverse bicriteria optimization problems, which will promote the development of inverse multi-criteria optimization problems.Therefore, this project will strengthen the theories on inverse combinatorial optimization problems. Meanwhile, extension of ideas in inverse optimization problems and integration of cross-curricular interests in application fields will help produce new optimization problems.

英文关键词: Combinatorial Optimization;Algorithm design and analasys;network optimization;computation complexity;approximation algorithm

成为VIP会员查看完整内容
0

相关内容

逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
20+阅读 · 2021年8月24日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
95+阅读 · 2021年5月25日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
30+阅读 · 2021年1月9日
专知会员服务
87+阅读 · 2020年8月2日
多任务学习漫谈:行梯度之事
PaperWeekly
0+阅读 · 2022年2月18日
对抗子空间维度探讨
PaperWeekly
0+阅读 · 2022年2月13日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
深入理解强化学习,看这篇就够了
PaperWeekly
5+阅读 · 2021年11月28日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
目标检测中边界框的回归策略
极市平台
17+阅读 · 2019年9月8日
标签间相关性在多标签分类问题中的应用
人工智能前沿讲习班
22+阅读 · 2019年6月5日
再谈人脸识别损失函数综述
人工智能前沿讲习班
14+阅读 · 2019年5月7日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Principal Neighbourhood Aggregation for Graph Nets
Arxiv
17+阅读 · 2020年6月7日
Arxiv
26+阅读 · 2019年3月5日
Arxiv
24+阅读 · 2018年10月24日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关VIP内容
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
20+阅读 · 2021年8月24日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
95+阅读 · 2021年5月25日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
30+阅读 · 2021年1月9日
专知会员服务
87+阅读 · 2020年8月2日
相关资讯
多任务学习漫谈:行梯度之事
PaperWeekly
0+阅读 · 2022年2月18日
对抗子空间维度探讨
PaperWeekly
0+阅读 · 2022年2月13日
【博士论文】分形计算系统
专知
2+阅读 · 2021年12月9日
深入理解强化学习,看这篇就够了
PaperWeekly
5+阅读 · 2021年11月28日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
目标检测中边界框的回归策略
极市平台
17+阅读 · 2019年9月8日
标签间相关性在多标签分类问题中的应用
人工智能前沿讲习班
22+阅读 · 2019年6月5日
再谈人脸识别损失函数综述
人工智能前沿讲习班
14+阅读 · 2019年5月7日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员