uzluga.ru
добавить свой файл
ЗАДАЧИ С ДВУСТОРОННИМИ ОГРАНИЧЕНИЯМИ


Зоркальцев В.И.


Известно, чем более узкий класс задач рассматривается, тем богаче и интереснее могут быть свойства этого класса задач. В докладе рассматриваются свойства систем линейных неравенств, задач линейного и выпуклого программирования, у которых все переменные ограничены сверху и снизу. Вероятно, разработчик любой модели всегда способен оценить, пусть даже с запасом, диапазоны возможных вариаций отдельных переменных. Поэтому в содержательном плане обязательное наличие двусторонних ограничений на все переменные вряд ли можно считать сужающим возможности математического моделирования условием. Вместе с тем это условие дает ряд полезных свойств. В частности заведомо известно, что множество решений таких задач ограниченно (в том числе может быть пустым). В докладе рассматриваются полезные следствия из условия двусторонней ограниченности переменных: в теории альтернативных систем линейных неравенств в теории двойственности выпуклой оптимизации; для повышения вычислительной эффективности алгоритмов решения систем уравнений и неравенств, задач оптимизации; при интерпретации решений. Рассматриваются приложения полученных теоретических результатов в моделях расчета режимов электроэнергетических систем, в электрических и гидравлических цепях.


1. Обозначения

Везде в данной статье заданными являются: матрица размера при некоторых целых , ; векторы из , а также , , из . Здесь – множество мерных векторов. Считаем, что , то есть для всех . Для вектора выражения , обозначают векторы из с компонентами

, , .

Переменные составляют векторы , , , из , а также из .


2. Системы двусторонних линейных неравенств

К этому классу предлагается [1] относить системы линейных неравенств, для которых: 1) ограничения-неравенства задаются только применительно к отдельным переменным; 2) эти ограничения задаются с обоих сторон (снизу и сверху) на значения каждой из переменных; 3) ограничения на значения линейных комбинаций нескольких переменных представимы в виде равенств. Заметим, что ограничения-равенства можно считать частным случаем двусторонних ограничений-неравенств. Действительно, условие по вектору переменных равносильно условию .

Системы линейных уравнений можно рассматривать, как частный случай систем линейных неравенств. Любая система линейных уравнений представима в виде системы линейных неравенств. Поэтому факты справедливые для систем линейных неравенств имеют всегда упрощенные аналогии для систем линейных уравнений.

Фундаментальное значение для теории и многих приложений имеют теоремы об альтернативных системах линейных неравенств (первые варианты которых были получены в конце XIX века Гордоном, затем Минковским, Фаркашем [1–3]). По одной из форм представления этих теорем они состоят в следующем: любой системе линейных неравенств по формальным правилам можно поставить в соответствие другую систему линейных неравенств такую, что заранее известно, – одна и только одна из этих двух систем имеет решение. Это, в частности, может быть полезным для выявления случаев несовместности ограничений исходной системы. Аналогом в теории систем линейных уравнений служит теорема Фредгольма.

Теорема 1 (Фредгольма). Либо разрешима система линейных уравнений

, (1)

либо имеет решение система линейных уравнений

, . (2)

Если в процессе решения системы (1) выяснится, что при некотором достигается решение системы (2), то поиск решения системы (1) должен быть прекращен, так как доказано, что эта систем неразрешима.

Дополним систему (1) ограничениями сверху на абсолютные значения компонент вектора переменных (полученными, например, из экспертных соображений). Имеем следующее утверждение.

Теорема 2 (Дакса). Пусть задан вектор , . Тогда либо существует такой, что

, , (3)

либо при некотором

, (4)

где – вектор из состоящий из абсолютных значений компонент вектора .

Если теорему 2 использовать в качестве критерия для выявления случая несовместности системы линейных уравнений (1), то этот критерий явно в вычислительном плане предпочтительней, чем критерий на базе теоремы 1. Теорема 1 представляет более жесткие требования к вектору . Если при некотором выполняются условия (2), то для него будут выполняться и условия (4). А обратное не верно. В условии (4), в отличии от условия (2), не требуется, чтобы для вектора выполнялось равенство .

Конечно, критерий (4) может «срабатывать» не только в случае несовместности системы (1), но и в случае, когда эта система имеет решения, но они не удовлетворяют условию . Чем меньше значения компонент вектора , тем выше шанс выйти на «срабатывание» такого критерия несовместности. Поэтому чем точнее мы можем оценить диапазон возможных значений переменных, тем лучше.

В этой связи интерес представляет переход от оценок максимальных абсолютных значений переменных к оценкам диапазонов их значений. Пусть границы диапазонов задаются векторами и . Справедлива [1]

Теорема 3. Либо имеет решение система неравенств

, , (5)

либо существует вектор такой, что

. (6)

Приложения в алгоритмах расчета допустимых режимов электроэнергетических систем. В работах [4, 5] представлены результаты теоретических и экспериментальных исследований вариантов алгоритмов внутренних точек для решения систем двусторонних линейных неравенств вида (5). Такие системы имеют место на каждой итерации метода приведенного градиента при расчете допустимых режимов электроэнергетических систем [6]. Поскольку модель расчета режимов предназначена для оперативного управления электроэнергетическими системами в темпе реального времени, то ценно любое ускорение расчетов на ней, как по определению рекомендуемого решения, так и, особенно, по выявлению случаев отсутствия решения в заданных условиях (5).

В табл. 1 представлены результаты расчетов четырьмя вариантами алгоритмов внутренних точек двух серий из 14 задач, полученных в результате линеаризации моделей расчета режимов электроэнергетических систем, а также двух тестовых сложных в вычислительной плане задач. Во всех алгоритмах объем вычислений на одной итерации примерно одинаковый, поэтому их сопоставление по числу итерации вполне корректно.

Алгоритмы F1 и F2 осуществляют монотонное улучшение решения исходной системы линейных неравенств (5). Алгоритмы G1 и G2 основаны на «альтернативном подходе» – они осуществляют монотонное улучшение решения задачи

,

, ,.

Алгоритмы F1 и G1соответсвтуют исходным наиболее известным вариантам метода внутренних точек, предложенным в [7] и получившим название в зарубежной литературе affine scaling method и dual affine scaling method. Алгоритмы F2, G2 являются модификациями исходных вариантов, предложенные в [8] в целях повышения устойчивости вычислительного процесса к погрешностям счета.


Таблица 1.

Число итераций, необходимое для получения решения или идентификации несовместности прямыми и двойственными алгоритмами внутренних точек

Задачи/Алгоритм

F1

F2

G1

G2

Совместные (30x80)–(41х80)

9.5(3–13)

13.4(7–17)

10.2(6–13)

5.9(3–8)

Несовместные (30x80)–(41х80)

1.6(1–5)

1.6(1–7)

1(все 1)

1(все 1)

Тестовый пример (19х19)

13

8

11

6

Тестовый пример (201х201)

19

7

16

9

На основе представленных в таблице результатов (и аналогичных результатов в сериях других экспериментов [9]) можно сделать три важных вывода. Во-первых, эти примеры демонстрируют высокую вычислительную эффективность введения критерия несовместности на базе теорем об альтернативных неравенствах. Несовместность стала выявляться на первых итерациях. Использовавшийся ранее критерий, основанный на выявлении факта сходимости к ненулевому значению итеративно уменьшаемого по норме вектора невязок ограничений системы требовал значительно большего объема вычислений и был менее надежен.

Во-вторых, эти и другие, примеры показывают, что альтернативные (или по-другому двойственные) алгоритмы внутренних точек позволяют, как правило, быстрее получать решение исходной системы или быстрее устанавливать ее несовместность. Этот результат подтверждает давно наблюдаемый экспериментальный факт: двойственные оценки алгоритмов внутренних точек сходятся быстрее к решению двойственной задачи, чем сходятся исходные переменные к решению исходной задачи оптимизации. Недавно это удалось доказать теоретически для невырожденных задач [10]. Этот факт означает, что если мы решаем задачу двойственными алгоритмами, то быстрее сходятся к решению переменные исходной задачи.

В-третьих, эти примеры подтверждают пользу от сочетания теоретических и экспериментальных исследований алгоритмов. Они показали, что разработанные на основе теоретических соображений новые варианты алгоритмов (F2, G2) более эффективны, чем имеющиеся. Это позволяет уверенно рекомендовать эти новые варианты (особенно G2) для практического использования.


3. Задачи линейного программирования с двусторонними ограничениями на переменные

Рассмотрим задачу линейного программирования

, , . (7)

Двойственная к ней задача линейного программирования имеет вид

, , , . (8)

Несложно убедиться, что в данном случае двойственная задача всегда имеет допустимые (по ограничениям задачи) решения. Поэтому из гипотетически возможных трех вариантов несобственных (не имеющих решений) задач линейного программирования [3] в данном случае реализоваться может лишь один вариант. Справедлива

Теорема 4. Задачи (7), (8) не имеют решения в том и только том случае, если несовместны ограничения задачи (7), что конструктивно может быть выявлено как выполнение неравенства (6) при некотором . В этом и только этом случае целевая функция задачи (8) неограниченна сверху на множестве допустимых по ограничениям этой задачи решений.

Двойственная задача (8) очень удобна в вычислительном отношении. Например, для нее очень легко можно сформировать допустимое решение удовлетворяющее всем ограничениям-неравенствам в строгой форме. Например, можно положить , , , где вектор , состоящий из единиц. Такой вектор может служить стартовой точкой для оптимизации в области допустимых решений алгоритмом внутренних точек.

Задача (8) может быть естественным образом представлена в виде проблемы минимизации выпуклой кусочно-линейной функции от переменных. Она равносильна проблеме

.

В процессе итеративного улучшения решения этой задачи многими из известных методов безусловной оптимизации либо на очередной итерации получим выполнение неравенства (6), либо придем к оптимальному решению задачи (8) и, следовательно, задачи (7). В этом случае множители Лагранжа ограничений-равенств задачи (8),

, .


4. Выпуклая оптимизация при линейных ограничениях

Пусть выпуклая дифференцируемая функция от векторов . Рассматривается задача

, , . (9)

В докладе, с использованием преобразования Лежандра-Фенхеля, формулируются равносильные (9) двойственная, самосопряженная и симметричная задачи оптимизации, а также равносильная им система уравнений и неравенств. Эти равносильные формулировки могут служить для физической и экономической интерпретации решений, для выбора эффективных алгоритмов расчетов.

Особое внимание уделено случаям, когда сепарабельная и квадратическая функция. Рассматриваются следующие области приложения задачи вида (9) и равносильных ей: 1) регуляризация в линейной оптимизации; 2) поиск нормальных решений систем линейных неравенств; 3) модели потокораспределения, включая нелинейные транспортные задачи, электрические цепи, гидравлические цепи (модели, используемые для управления и идентификации состоянии трубопроводных систем тепло-водо-газо-нефтеснабжения).


Литература

1. Зоркальцев В.И., Киселева М.А. Системы линейных неравенств. Иркутск: ИГУ, 2007. – 129 с.

2. Черников С.Н. Линейные неравенства. М.: Наука, 1968. – 488 с.

3. Еремин И.И. Двойственность для регуляризованных задач линейного программирования. // Материалы конференции Проблемы оптимизации и экономические приложения. – Омск: Омский филиал ИМ СО РАН, 2003. – С. 33–35.

4. Зоркальцев В.И., Филатов А.Ю. Исследование алгоритмов оптими-зации в конусе центрального пути. Иркутск: препринт СЭИ СО РАН, 1997, №7. – 50с.

5. Зоркальцев В.И., Филатов А.Ю. Новые алгоритмы оптимизации в конусе центрального пути // Дискретный анализ и исследование операций, 1999, том 6, №1, с.33-42.

6. Крумм Л.А. Метод приведенного градиента при управлении энергетическими системами. – Новосибирск: Наука, 1977. – 368с.

7. Дикин И.И., Зоркальцев В.И. Итеративное решение задач математического программирования: алгоритмы метода внутренних точек. Новосибирск: Наука. Сиб. отд-ние, 1980. – 144 с.

8. Зоркальцев В.И. Метод относительно внутренних точек. Сыктывкар: Коми фил. АН СССР, 1984. – 14 с.

9. Войтов О.Н., Зоркальцев В.И., Филатов А.Ю. Исследование систем неравенств алгоритмами внутренних точек на задачах поиска допустимых режимов электроэнергетических систем. – Иркутск, 1997. – 30 с. – (Препр. СЭИ СО РАН; № 10).

10. Зоркальцев В.И. Об одном классе алгоритмов внутренних точек // Журн. вычисл. матем. и матем. физ. – 2009. – Т. 49. – №12. – С. 1–18.