• 한국융합학회논문지
• /
• 제7권5호
• /
• pp.213-219
• /
• 2016

본 논문에서는 한 개의 선형 제약식 하에서 의사결정변수가 상한 값을 갖는 오목 함수 최소화 문제를 다룬다. 제시된 분지 한계 해법은 단체를 분할 단위로 사용하였다. 오목함수를 가장 단단하게 하한추정하는 볼록덮개함수를 단체 상에서 유일하게 구할 수 있기 때문이다. 분지가 일어날 때마다 후보 단체로부터 1 차원 낮은 2 개의 하위 단체들이 생성된다. 이 때 후보 단체에 포함되어 있던 가능해 집합은 각각의 하위 단체로 분할된다. 한계 연산 절차는 선형인 볼록 덮개 함수를 목적 함수로 하는 선형계획법을 부문제로 정의하고 해를 구한다. 부문제의 최적 목적함수 값으로부터 최적 오목목적함수의 하한과 상한을 갱신하고, 원문제의 최적해를 포함하지 않는 단체들을 고려 대상에서 제외시킨다. 본 해법의 최대 장점은 하위 단체로 분할될수록 부문제들의 크기가 점점 작아진다는데 있다. 이것은 한계 연산의 계산량이 줄어든다는 것을 의미한다. 본 연구의 결과는 배낭 제약식 유형의 제약식 하에서의 오목 함수 최소화 문제의 해법을 개발하는데 응용될 수 있을 것이다.

• 한국융합학회논문지
• /
• 제10권11호
• /
• pp.71-77
• /
• 2019

본 연구에서는 다중 선택 배낭 모형의 최적해를 찾는 해법을 제시하고자 한다. 다중 선택은 동일한 집단에 소속된 구성원들이 동시에 선택되거나 동시에 배제되는 상황에서 관찰된다. 각 집단 간 관련성의 측정치인 오목 함수가 의사결정기준으로 설정되었다. 다중 선택은 비선형 제약식으로 모형화 되는데 일반 배낭 제약식으로 변환될 수 있다. 따라서 최적 해법 개발을 위해 오목함수 최소화 문제와 배낭 문제의 일반적인 해법들에서 채택하고 있는 분지 한계 접근법을 이용하였다. 단체상에서 오목함수를 가장 근접하게 하한추정하는 함수가 1차식이라는 사실이 한계 전략의 이론적 토대가 된다. 또한 하위 단계에서도 1차식 목적함수가 유일하게 결정되도록, 후보 단체를 두 개의 초평면에 투사시킴으로써 1차원 낮은 두 개의 하위 단체로 분할하는 방법이 분지 전략의 핵심이다. 앞으로 본 연구의 결과는 다양한 형태의 배낭 제약식 하에서의 오목 함수 최소화 문제의 해법을 개발하는데 응용될 수 있을 것이다.

• 대한산업공학회지
• /
• 제19권2호
• /
• pp.3-13
• /
• 1993

In this study, we develop a B & B type algorithm for the concave minimization problem with 0-1 knapsack constraint. Our algorithm reformulates the original problem into the singly linearly constrained concave minimization problem by relaxing 0-1 integer constraint in order to get a lower bound. But this relaxed problem is the concave minimization problem known as NP-hard. Thus the linear function that underestimates the concave objective function over the given domain set is introduced. The introduction of this function bears the following important meanings. Firstly, we can efficiently calculate the lower bound of the optimal object value using the conventional convex optimization methods. Secondly, the above linear function like the concave objective function generates the vertices of the relaxed solution set of the subproblem, which is used to update the upper bound. The fact that the linear underestimating function is uniquely determined over a given simplex enables us to fix underestimating function by considering the simplex containing the relaxed solution set. The initial containing simplex that is the intersection of the linear constraint and the nonnegative orthant is sequentially partitioned into the subsimplices which are related to subproblems.