We tackle the problem of accelerating column generation (CG) approaches to set cover formulations in operations research. At each iteration of CG we generate a dual solution that approximately solves the LP over all columns consisting of a subset of columns in the nascent set. We refer to this linear program (LP) as the Family Restricted Master Problem (FRMP), which provides a tighter bound on the master problem at each iteration of CG, while preserving efficient inference. For example, in the single source capacitated facility location problem (SSCFLP) the family of a column $l$ associated with facility $f$ and customer set $N_l$ contains the set of columns associated with $f$ and the customer set that lies in the power set of $N_l$. The solution to FRMP optimization is attacked with a coordinate ascent method in the dual. The generation of direction of travel corresponds to solving the restricted master problem over columns corresponding to the reduced lowest cost column in each family given specific dual variables based on the incumbent dual, and is easily generated without resolving complex pricing problems. We apply our algorithm to the SSCFLP and demonstrate improved performance over two relevant baselines.


翻译:我们在业务研究中采用加速柱子生成(CG)的方法来设定配方; 在每迭代一次的CG中,我们产生一个双重解决办法,大约解决所有列的LP(LP),由一组新的列组成;我们把这一线性方案称为家庭限制总问题(FRMP),在每迭代一次的CG总问题上提供更紧密的界限,同时保持高效的推断;例如,在单一源的增强功能的设施定位问题(SSCFLLP)中,与设施有关的1列美元(ff)美元,而客户设定的$_l$($)包含与美元有关的一组列,而客户设定的1组则包含在1个电源集中的1个列。我们把FRMP优化的解决方案用一个协调点法作为双倍攻击。产生旅行方向是为了解决与每个家庭最低成本列相对应的有限总问题,因为基于现任的双重变量,而且很容易生成,而没有解决复杂的定价问题。我们将我们的算法应用于SSCFLP的2个基准,并表明业绩超过两个基准。

0
下载
关闭预览

相关内容

【CVPR2021】反事实的零次和开集识别
专知会员服务
25+阅读 · 2021年5月7日
专知会员服务
25+阅读 · 2021年4月2日
【文本生成现代方法】Modern Methods for Text Generation
专知会员服务
43+阅读 · 2020年9月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
193+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
MoCoGAN 分解运动和内容的视频生成
CreateAMind
18+阅读 · 2017年10月21日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
8+阅读 · 2019年2月15日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关VIP内容
【CVPR2021】反事实的零次和开集识别
专知会员服务
25+阅读 · 2021年5月7日
专知会员服务
25+阅读 · 2021年4月2日
【文本生成现代方法】Modern Methods for Text Generation
专知会员服务
43+阅读 · 2020年9月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
193+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
MoCoGAN 分解运动和内容的视频生成
CreateAMind
18+阅读 · 2017年10月21日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员