matrices Archives - Page 2 of 2

선형 프로그래밍 문제가 있습니다 : 를 , 따라 최대화하십시오 . 의 요소 , 및 음이 아닌 정수이다 엄격히 긍정적. ( 도 정수 여야하지만 나중에 걱정할 것입니다.) $c^{'} x$

c′x

$A x \leq b$

Ax≤b

$x \geq 0$

x≥0

$A$

$b$

$c$

$x$

내 응용 프로그램에서 계수 와 는 단순화 된 원 패스 알고리즘이 모든 선택에 대해 최적의 솔루션을 제공하도록하는 경우가 종종 있습니다. 원 패스 알고리즘은 요소 를 순서대로 결정하여 각 요소 를 선택합니다. 는 이미 결정된 값 과 일치하는 가장 큰 가능한 값 입니다. 심플 렉스 언어에서 변수를 입력하는 순서는 ~ 이며 단계 후에 종료됩니다 . 이는 완전한 단일 심플 렉스에 비해 많은 시간을 절약합니다. $A$

$c$

$b$

$x_{1}, \dots, x_{n}$

x1,…,xn

$x_{j}$

$x_{1}, \dots, x_{j - 1}$

x1,…,xj−1

$x_{1}$

$x_{n}$

$n$

이 알고리즘은 의 열과 의 요소가 “저렴한”에서 “고가”로 정렬 된 경우 작동합니다 . “저렴한”변수는 일반적으로 작은 값을 가진 의 열이며 , 의 해당 요소 가 큰 경우 : 해당 요소 에 대해 제약 조건 에 대한 요구가 많지 않은 많은 출력을 얻습니다 . 따라서 알고리즘은 “쉬운 작업을 먼저 수행하십시오”라고 말합니다. $A$

$c$

$A$

$c$

$x$

엑스

$b$

비

내 질문은 : 이 단순화 된 알고리즘이 모든 대해 작동한다는 것을 보장 와 속성은 무엇 입니까? 필자의 초기 추측은 의 0이 아닌 요소가 각 행에서 증가해야하지만 정확하지 않다는 것입니다. $A$

ㅏ

$c$

씨

$b$

비

$A$

ㅏ

다음은 .
,
,
,
. 이들 모두에 대해 순차적 알고리즘은 수치 실험에 의해 모든 값에 대한 최적의 솔루션을 제공합니다 . 은 열의 모든 순열도 작동하는 유일한 방법입니다. $c = (1, 1, 1)$

씨=(1,1,1)

$A_{1} = (\begin{matrix} 1 & 1 & 1 \\ 1 & 2 & 3 \\ 3 & 2 & 0 \end{matrix})$

ㅏ1=(11112삼삼20)

$A_{2} = (\begin{matrix} 0 & 0 & 1 \\ 3 & 0 & 2 \\ 0 & 3 & 2 \end{matrix})$

ㅏ2=(001삼020삼2)

$A_{3} = (\begin{matrix} 1 & 1 & 1 \\ 1 & 0 & 0 \\ 1 & 0 & 1 \end{matrix})$

ㅏ삼=(111100101)

$A_{4} = (\begin{matrix} 1 & 0 & 1 \\ 0 & 1 & 0 \\ 0 & 1 & 1 \end{matrix})$

ㅏ4=(101010011)

$b$

비

$A_{3}$

ㅏ삼

$A_{1}$

ㅏ1

$A_{3}$

ㅏ삼

$(1, 1, 3)$

(1,1,삼)

보다 더 비싼 외모 과 보다 비싼 . $(1, 3, 0)$

(1,삼,0)

$(1, 1, 1)$

(1,1,1)

$(1, 0, 0)$

(1,0,0)

나는 문헌에 대한 언급, 이와 같은 문제 또는 제안에 대해 대단히 감사하게 생각합니다. 일부 변수가 다른 변수보다 “저렴한”것으로 판단되어 안전하게 수행 할 수있는 다른 경우가 있었을 것입니다. 수년에 걸쳐 선형 프로그래밍에 대한 모든 작업을 수행 한 결과 비슷한 결과가 나왔지만 찾을 수 없었습니다.

답변

욕심 많은 알고리즘이 LP를 해결하는 것으로 알려진 가장 유명한 사례는 운송 문제의 특수한 경우입니다. 호프만 (에서 “간단한 선형 프로그램에서” 볼록성 의 권. 7 순수 수학 심포지엄 논문집 , 페이지 317-327, 1963)을 실시한 경우 A (극대화) 교통 문제의 만족을위한 비용 행렬 몽주 속성 ( 때 , 다음 최적 솔루션 욕심 방법에서 찾을 수있다) 당신이 설명하는 것과 같습니다. $c_{i j} + c_{k l} \geq c_{i l} + c_{k j}$

씨나는제이+씨케이엘≥씨나는엘+씨케이제이

$1 \leq i < k \leq n$

1≤나는<케이≤엔

$1 \leq j < l \leq n$

1≤제이<엘≤엔

Hoffman은 또한 1985 년부터 욕심 많은 알고리즘이 LP에 대한 최적의 솔루션을 제공하는 알려진 사례를 논의 하는 설문지 ( " 성공하는 욕심 알고리즘 ")를 가지고 있습니다. 위에서 언급 한 자신의 작업 ( "욕심 많은 알고리즘에 민감한 것으로 알려진 [1963 년까지 알려진 대부분의 선형 프로그래밍 문제는 Monge 아이디어의 특별한 경우" ") 이외에도 Edmonds의 선형 프로그래밍 해석에 대해 언급했다. 무엇보다도 가 음수가 아닌 경우에 대한 matroids의 일반화와 사건에 대한 논의 . $A$

ㅏ

더 최근의 결과가 있다고 생각하지만, 이것이 적어도 부분적으로 귀하의 질문에 대답하고 다른 곳을 볼 수있는 아이디어를 제공하기를 바랍니다.

답변

Spivey 교수의 제안에 힘 입어 Ulrich Faigle, Alan J. Hoffman, Walter Kern, "비 음성 상자 거친 행렬의 특성", SIAM J. Disc 등의 최첨단 기술을 마침내 찾아 냈습니다. 수학. 9 (1996) pp 1-6. 위에서 설명한 알고리즘이 모두에게 최적의 솔루션을 제공하면 행렬은 "욕심"입니다. $b$

비

. 욕심 많은 알고리즘이 추가 조건으로 최적의 솔루션을 제공하면 행렬은 "상자 욕심"입니다 $x \leq d$

엑스≤디

모든 $b$

비

그리고 다 $d \geq 0$

디≥0

. 분명히 박스 욕심은 욕심보다 강한 상태입니다.

항상 이라고 가정하십시오 . Faigle, Hoffman 및 Kern 은 형식의 (모든 ) 하위 행렬 이없는 경우에만 가 상자 욕심 임을 증명합니다 각 및 . 하위 행렬을 추출 할 때 행의 임의 순열이 허용되지만 열은 허용되지 않으며 행과 열의 임의의 하위 설정이 허용됩니다. 따라서 특히 이면 각 행에서 0이 아닌 요소는 줄이지 않아야합니다. $c_{1} \geq \dots \geq c_{n} > 0$

c1≥⋯≥씨엔>0

$A$

ㅏ

$k \times (k + 1)$

케이×(케이+1)

$k$

케이

$(\begin{matrix} r_{1} & s_{1} \\ r_{2} & s_{2} \\ ⋮ & ⋱ \\ r_{k} & s_{k} \end{matrix})$

(아르 자형1에스1아르 자형2에스2⋮⋱아르 자형케이에스케이)

$r_{j} > 0$

아르 자형제이>0

$\sum_{i : s_{i} > 0} \frac{r_{i}}{s_{i}} > 1$

∑나는:에스나는>0아르 자형나는에스나는>1

$k = 1$

케이=1

$A$

ㅏ

불행히도 내 문제에서 매트릭스는 욕심이 있지만 욕심이 없다고 밝혀졌습니다. 예를 들어, 위의 에서 조건이 위반되고 욕심이 많지만이 매트릭스는 상자 욕심이 아닙니다. 내가 아는 한, 탐욕스러운 행렬을 식별 한 결과는 없습니다. $A_{1}$

ㅏ1

답변

이와 같은 가장 쉬운 예는 항목을 분류 할 수있는 부분 배낭 문제 일 수 있습니다. 이 문제 (및 lp dual)는 무게 당 이익을 위해 항목을 정렬하고, 실행 가능한 가장 긴 순서를이 순서대로 선택하고 마지막 항목을 분류하여 해결할 수 있습니다.

답변

Exit mobile version

How IT

언제든지 물어보세요.

태그 보관물: matrices

정렬 된 변수를 사용하여 한 번에 선형 프로그래밍 솔루션 것입니다.ㅏㅏA씨씨c비비bㅏㅏA 다음은 . , , , . 이들

답변

답변

답변

답변