Existe na prática um limite para o número de restrições em um problema de programação linear?

8

Eu sou novo na programação linear e formulei um programa linear (LP) com ordem de variáveis e restrições, embora a matriz de restrição seja extremamente esparsa. $10^{13}$ $10^{13}$

Eu queria saber se um LP dessa escala é tratável ou não?

linear-programming stressed_geek
fonte

Presumo que você queira dizer

10^{13}

$10^{13}$ variáveis e

10^{13}

$10^{13}$ restrições?

precisa

Sim, desculpe pela formatação incorreta.

stressed_geek

9

$10^{13}$ está além dos recursos disponíveis nos maiores supercomputadores de hoje, devido principalmente aos limites de memória. Os maiores problemas que eu já vi praticamente resolvidos tiveram da ordem de linhas e colunas, mas o fator mais importante tende a ser o número de nonzeros, onde estamos apenas resolvendo problemas com nonzeros. Consulte a página de benchmarks paralelos de Mittelman para ter uma ideia do que os melhores solucionadores comerciais e disponíveis gratuitamente podem fazer em uma variedade de problemas desse tamanho. $10^5$ $10^6$

Aron Ahmadia
fonte

6

Um grande número de restrições de desigualdade é geralmente tratável por técnicas de geração de restrições, processando a cada momento apenas um número limitado de restrições e adicionando restrições violadas na solução atual ao conjunto de restrições (excluindo as fortemente satisfeitas). Mas nos casos que eu vi, isso exige que o número de variáveis não-slack também seja limitado.

Portanto, a questão é se você pode reformular seu problema de forma que o problema em si ou seu dual possua muito menos variáveis do que restrições.

Edit: Veja também o trabalho recente de Nesterov sobre '' Métodos de subgradiente para problemas de otimização em grande escala '', http://dial.academielouvain.be/vital/access/services/Download/boreal:107876/PDF_01 . Sua técnica funciona em circunstâncias favoráveis com uma complexidade de se os requisitos de precisão forem moderados. $O(n\log n)$

Arnold Neumaier
fonte

3

Meu comentário sobre a resposta de Aron ficou muito longo, mas eu gostaria de aumentar sua resposta:

Eu gosto de trazer o exemplo de benchmarks paralelos. Vários comentários para adicionar aqui. Todos os quatro solucionadores testados são comerciais, mas têm licenças acadêmicas gratuitas disponíveis. Além disso, o teste interrompe o tempo de execução às 25.000s, ou ~ 8h, que é arbitrário e depende muito de restrições de recursos externos (ou seja, em uma empresa, as pessoas podem não estar dispostas a esperar mais de um dia por resultados; na academia, algumas pessoas podem executar suas simulações por meses). O teste é executado em uma única máquina quad-core, o que não é indicativo, para mim, do desempenho de ponta.

Quando eu estava procurando por dados para responder a essa pergunta, encontrei artigos há mais de 10 anos que estavam resolvendo problemas de aproximadamente o mesmo tamanho, o que me sugere que talvez possamos melhorar agora com a infraestrutura que temos. Certamente não variáveis, mas com base na escala de métodos de pontos interiores , se a álgebra linear e o paralelismo foram implementados bem, e você teve tempo e um cluster de tamanho modesto, não vejo por que você não conseguiu resolver um problema com ou talvez $10^{13}$ $n^{3.5}$ $10^{7}$ $10^{8}$ variáveis (somente se você tivesse uma estrutura especial, poderia explorar métodos de decomposição como a decomposição de Benders ou Dantzig-Wolfe, além de algoritmos de geração de plano de corte). (Acrescentarei que estou ignorando o efeito de restrições, que complicam as coisas dependendo de quantos bits são armazenados; esse efeito apenas torna as estimativas abaixo mais pessimistas.)

Acredito que o GAMS tenha uma implementação paralela e, como usa solucionadores como CPLEX, Gurobi, MOSEK e Xpress (ou seja, os quatro solucionadores na referência que Aron cita), não vejo por que não se pode executar instâncias paralelas desses solucionadores (na verdade, eu sei que isso é possível para o CPLEX e o Gurobi). Os fatores limitantes serão a memória (porque a memória é cara) e a comunicação mais do que o poder de processamento, uma vez que um programa linear reduz, em última análise, a construção e resolução de um sistema de equações lineares repetidamente (uma simplificação excessiva maciça, sim, mas a álgebra linear é algo que saber paralelizar).

Mas variáveis são demais. Supondo que a memória e a comunicação não eram um objeto, você precisaria pegar o maior problema no benchmark e escalar o tempo de execução nessa máquina por um fator de aproximadamente antes de explorar a estrutura especial que seu problema específico pode causar. ter. Isso não quer dizer que você não possa tentar resolvê-lo aproximadamente usando os métodos sugeridos pelo professor Neumaier, mas uma solução para otimizar é provavelmente impossível sem esperar muito tempo, usando um computador enorme e com uma implementação escalável de um O solucionador de LP sintonizado naquele computador enorme. $10^{13}$ $10^{24}$

Como uma estimativa aproximada de magnitude, o Intel Core 2 Quad usado na referência de Aron pode operar a uma velocidade máxima de 40 gigaflops. Supondo que você estivesse no Jaguar, o supercomputador do Oak Ridge National Lab, e que pudesse usar toda a máquina (extremamente improvável, mas vamos sonhar alto), você teria aproximadamente 2 petaflops na ponta dos dedos (com base nos números TOP 500 aqui , ou aproximadamente 50000 vezes a capacidade de computação, sem contar as penalidades devido a comunicação, limitações de memória ou o fato de ninguém nunca correr na velocidade máxima (nem mesmo o benchmark LINPACK).

Passar de para variáveis significa aproximadamente um fator de 10.000 aumentos, que você pode conceber dividir entre um cluster de 50-100 máquinas e esperar um mês (supondo que você esteja disposto a esperar, você tem as máquinas e, novamente, a memória e a comunicação não são limitantes, todas com grandes "ses"). Passar de para variáveis significa ir da área de trabalho para usar todo o Jaguar e esperar aproximadamente a anos. (E, novamente, esses efeitos também ignoram o fato de que você terá mais restrições!) $10^{6}$ $10^{7}$ $10^{6}$ $10^{13}$ $10^{17}$ $10^{18}$

Geoff Oxberry
fonte

Eu começaria com uma estimativa de quanto tempo levaria em um supercomputador, mas um dos problemas é que muitos dos solucionadores de LP mais rápidos dependem de uma decomposição de Cholesky e isso acabará com o uso de memória devido ao preenchimento. no. Além disso, essas máquinas implementam paralelismo de memória compartilhada, mas o verdadeiro paralelismo de memória distribuída é, por qualquer motivo, um tanto raro nos solucionadores de LP comerciais no momento.

Aron Ahmadia

A complexidade do método do ponto interior é apenas para problemas densos. Os solucionadores de LPs esparsos comerciais resolvem rotineiramente os LPs com vários milhões de variáveis se estes tiverem um padrão de esparsidade favorável.

O (n^{3.5})

$O(n^{3.5})$

Arnold Neumaier

@ArnoldNeumaier: Concordado. Ouvi em segunda mão que as companhias aéreas resolvem problemas dessa escala. A análise acima é uma estimativa de ordem de magnitude, é claro, e eu só vi a análise de complexidade computacional para o caso denso. Suspeito que o caso esparso tenha um fator de pelo menos ; nesse caso, as terríveis estimativas de tempo exigidas acima diminuiriam de acordo, mas ainda assim permaneceriam inaceitavelmente altas.

O (n^{2.5})

$O(n^{2.5})$

precisa

@AronAhmadia: Concordado. Tudo o que vejo nos manuais do solucionador são fatorações de Cholesky densas ou esparsas, usadas para resolver o sistema de métodos de barreira. Ninguém usa métodos de subespaço de Krylov, nem vi paralelismo de memória distribuída (isto é, baseada em MPI). Não vejo problemas de otimização (com a possível exceção de problemas com restrições de PDE) resolvidos em supercomputadores. Talvez eu não esteja olhando para os papéis certos.

perfil completo de Geoff Oxberry

A pior complexidade dos métodos de ponto interior são as iterações , mas, na prática, o número de iterações é tipicamente de 30 a 50, independente da dimensão (ou talvez crescendo com seu log). Assim, na prática, métodos IP densos escalam com e métodos IP esparsos com , onde é o número médio de entradas em uma linha do fator Cholesky. - Mas é claro que os problemas com são muito maiores do que qualquer coisa que tenha sido resolvida até agora.

O (\sqrt{n})

$O(\sqrt{n})$

O (n^{3})

$O(n^3)$

O (n e^{2})

$O(ne^2)$

e

$e$

n = 10^{13}

$n=10^{13}$

Arnold Neumaier

0

É uma pergunta antiga, mas ei, há mais de 25 anos alguém já podia resolver um problema de restrição de 1,1 milhão e 2,6 milhões de variáveis em 3h em um cluster de PC. http://www.maths.ed.ac.uk/~gondzio/CV/finance.pdf

Gostaria de ver as equações geradoras, talvez seja inteligente fazer uma decomposição séria antes de você jogar esse problema nos algoritmos, e gostaria de dizer como profissional que talvez seja inteligente mastigá-lo antes de alimentar o hardware. Também soa como o tamanho que induziria a erros numéricos na formulação, devido à precisão e memória limitadas do computador.

Sergio Lucero
fonte

Existe na prática um limite para o número de restrições em um problema de programação linear?

Respostas: