mdt求解双线性变量.docVIP

mdt求解双线性变量 　　1. 多参数分解技术(MDT Multiparametric disaggregated technique) 　　过程网络问题包括水网络(水使用网络和污水处理网络)，石油精练问题，钢铁生产问题，纸浆生产等是一类NP难问题，通常建立的模型属于非线性规划NLP或MILP，由于非凸双线性变量的存在，这些NLP或MILP模型很难用传统的基于梯度搜索的算法求得最优解，Castro and Teles(2013)采用MDT方法求解水使用网络优化问题，得出基于MDT的MILP方法优于PCM, BARON 和GloMIQO。 　　在MDT中，算法主要分为以下三部分: 　　1)把NLP转化成MILP模型，求解MILP得到一个下界,?和各个变量值。 2)把得到的下界,?和变量值作为初始值赋给原始的NLP模型，运用NLP服 　　务器求解，若NLP的解为可行解，且得到一个更小目标函数值，把该值赋 　　为上界,?。 　　,??,?3)若?,(,为误差范围)或运算时间大于等于最大计算机间，停止计算，,? 　　所得解为在给定误差范围内的全局最优解。否则，使,=,?1，返回1)。 　　本文通过,,,,,,说明MDT方法中怎样处理双线性变量，如何将NLP转,,,, 　　化成MILP。在MDT中，双线性变量被当做一个离散变量和一个分解变量的乘积，我们可以把,,或,,,,当做离散变量或分解变量，假设,,,,为离散变量,,,,,,,且将被分割，但实际上，真正分割的是,,,,最大值和最小值之间的值域，,,, 　　,,,,,?[0,1]。 ,,, 　　,,,,,,,=,,,,+,,,,,?(,,,,?,,,,) ?,?,,,?, (1) ,,,,,,,,,,,,,,, 　　?分割通过位置变量;?{,,,+1,…,?1}??来控制. 在每个位置;，通过二元变量,,,,,?{0,1}选择唯一的数字,?{0,…,9}，见公式Eq. (2)。离散变量被,,,,,,; 　　分割为两部分，近似值和剩余值。所有位置的总和有效地接近,,,,值，被称作,,,近似值，,的值决定近似值的精度，,越小，精度越高，而余下的部分值由剩余 　　,值,,,,,?[0,10]表示，详情见 (3)和图1. ,,, 　　9,,,,,,=1 ?,?,,,?,,;?{,,…,?1} (2) ,=0,,,,,,; 　　;?19,,,,,,,=10?,?,,,,,+,,,,, ?,?,,,?, (3) ,,,;=,,=0,,,,,,;,,, 　　Exact ValueResidual termApproximate term,， 　　,19lLCoutkYCoutRCout , ,,， 10,,tctckltc,,,,,lpk,,0 　　-p,Z0. 　　YCout=1k=tcl,,0, 　　, 　　k=... 　　k=YCout=1tcl,,9, 　　-1-2-3p，1p...，10，10，10，10，10 　　Figure 1. 离散变量的组成 　　例如，,,,,,=0.4385, ,,, 　　?1当p=?2时，,=1,,=1,,,,,,,=0.0085，,,,,,=1?4?10+,,,,4,?1,,,,3,?2,,,,,, 　　?2?21?3?10+0.0085?10。 　　当p=?3时，,=1,,=1,,=1，,,,,,,=0.0005，,,,,4,?1,,,,3,?2,,,,8,?3,,, 　　?3?1?2?3,,,,,=1?4?10+1?3?10+1?8?10+0.0005?10。 ,,, 　　因此，,的值越小，近似值越接近目标值，剩余值越小，近似值精度越高。 　　然后，把等式(1)乘以,,，令,,,,,,,=,,,,,,，我们得到双线性,,,,,,,,变量,,,,,,的计算公式(4)。 ,,,, 　　,,,,,,,,,=,,,,,,+,,,,,,?(,,,,?,,,,) ?,?,,,?, (4) ,,,,,,,,,,,,,,,,, 　　把等式(3)乘以,,，令,,,,,,,=,,,,,,,和,,,,,,,=,,,,,,,,;,,,,,,;,,,,,,,,,,,，其中，,,,,,,,是分解变量，,,,,,,,为剩余变量，我们得,,,,,,,,,;,,,到公式(4)中,,,,,,的计算公式(5)。 ,,, 　　;?19,,=10?,?,,,+,,,,,,, ?,?,,,?,(5) ,,,,,,,,,;=,,=0,,,,,,;,,,,,,,,,,等于连续变量和二元变量的乘积，所以可以通过线性化(Oral and ,,,,,,; 　　Kettani, 1992)得到它的上下界公式(6)。 　　,,,,,,,,,,,?,,,?,,,,