КОНФИГУРАЦИОННО-АДАПТИВНЫЙ ПАРАЛЛЕЛЬНЫЙ РЕШАТЕЛЬ ДЛЯ ЗАДАЧ ЦЕЛОЧИСЛЕННОГО ПРОГРАММИРОВАНИЯ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Рассматривается пакет параллельного прикладного программного обеспечения для решения задач целочисленного линейного программирования. Программное обеспечение разработано с использованием архитектуры Мастер–Работник и предназначено для вычислительных систем с распределенной памятью. Ключевой особенностью разработанного пакета является конфигурационноориентированный подход к методу ветвей и отсечений. Каждому процессу-работнику, решающему часть одного дерева ветвлений, выдается конфигурация, определяющая набор параметров: метод генерации отсечений, стратегия выбора переменных ветвления, порядок обхода дерева ветвлений, наличие или отсутствие редукции. Часть работников отведена для исследования эффективности существующих конфигураций и составления их рейтинга. Результаты тестирования показывают масштабируемость решения. Проведен сравнительный анализ с аналогичными решениями, имеющими открытый исходный код.

Об авторах

М. А. Безель

Федеральный исследовательский центр «Информатика и управление» Российской академии наук (ФИЦ ИУ РАН)

Email: mbezel@frccsc.ru
Москва, Россия

А. Ю. Горчаков

Федеральный исследовательский центр «Информатика и управление» Российской академии наук (ФИЦ ИУ РАН)

Email: agorchakov@frccsc.ru
Москва, Россия

Д. С. Клянчин

Федеральный исследовательский центр «Информатика и управление» Российской академии наук (ФИЦ ИУ РАН)

Email: dklyanchin@frccsc.ru
Москва, Россия

Список литературы

  1. Achterberg T. Constraint Integer Programming : diss. Technical University of Berlin, Berlin, 2007.
  2. Wolsey L. A. Integer Programming. Hoboken, USA. John Wiley & Sons, 2020.
  3. Smith D. R. Applications of a Strategy for Designing Divide-and-conquer Algorithms //Science of Computer Programming. 1987. V. 8. № 3. P. 213–229.
  4. Nowak A., Folque D., Bruna J. Divide and Conquer Networks //6th Intern. Conf. on Learning Representations. Vancouver, Canada, 2018.
  5. Goycoolea M. Cutting Planes for Large Mixed Integer Programming Models: Diss. The H. Milton Stewart School of Industrial & Systems Engineering. Atlanta, USA, 2006.
  6. Contardo C., Lodi A., Tramontani A. Cutting Planes from the Branch-and-bound Tree: Challenges and Opportunities // INFORMS J. on Computing. 2023. V. 35. № 1. P. 2–4.
  7. Berthold T. Primal MINLP Heuristics in a Nutshell //Intern. Conf. on Operations Research. Rotterdam: Shpringer, 2013.
  8. Berthold T. Primal Heuristics for Mixed Integer Programs : Diss. Technical University of Berlin, Berlin, 2006.
  9. Fischetti M., Lodi A. Primal Heuristics in Mixed Integer Programming //Wiley Encyclopedia of Operations Research and Management Science. Wiley. John Wiley & Sons, 2010.
  10. Fischetti M., Glover F., Lodi A. The Feasibility Pump //Mathematical Programming. 2005. V. 104. № 1. P. 91–104.
  11. Naoum-Sawaya J. Recursive Central Rounding for Mixed Integer Programs //Computers & Operations Research. 2014. V. 43. P. 191–200.
  12. Danna E., Rothberg E., Pape C.L. Exploring Relaxation Induced Neighborhoods to Improve MIP Solutions //Mathematical Programming. 2005. V. 102. № 1. P. 71–90.
  13. Berthold T. RENS: the Optimal Rounding //Mathematical Programming Computation. 2014. V. 6. № 1. P. 33–54.
  14. Dantzig G.B. Origins of the Simplex Method //A History of Scientific Computing. N.Y. USA: ACM, 1990.
  15. Bixby R.E. Implementing the Simplex Method: The Initial Basis //ORSA J. on Computing. 1992. V. 4. № 3. P. 267–284.
  16. Shamir R. The Efficiency of the Simplex Method: a Survey //Management science. 1987. V. 33. № 3. P. 301–334.
  17. Koberstein A. The Dual Simplex Method, Techniques for a Fast and Stable Implementation : Diss. Germany, Paderborn University, 2005.
  18. Potra FA., Wright S.J. Interior-point Methods // J. of Computational and Applied Mathematics. 2000. V. 124. № 1–2. P. 281–302.
  19. Gondolo J. Interior Point Methods 25 Years Later //European J. of Operational Research. 2012. V. 218. № 3. P. 587–601.
  20. Ralphs T., Shinano Y., Berthold T., Koch T. Parallel Solvers for Mixed Integer Linear Optimization //Handbook of Parallel Constraint Reasoning. Palaiseau, France: Springer, 2018.
  21. Mitchell J.E. Branch-and-cut Algorithms for Combinatorial Optimization Problems //Handbook of Applied Optimization. 2002. V. 1. № 1. P. 65–77.
  22. Achterberg T., Bixby R.E., Gu Z., Rothberg E., Weninger D. Presolve Reductions in Mixed Integer Programming // INFORMS J. on Computing. 2020. V. 32. № 2. P. 473–506.
  23. Hosten S., Thomas R.R. Gomory Integer Programs //Mathematical Programming. 2003. V. 96. № 2. P. 271–292.
  24. Snir M., Otto S., Huss-Lederman S., Walker D., Dongarra J. MPI — The Complete Reference. 2nd ed. Cambridge: MIT Press, 1998.
  25. Gropp W., Lusk E., Skjellum A. Using MPI: Portable Parallel Programming with the Message-passing Interface. Massachusetts: MIT press, 1999.
  26. Gleixner A., Hendel G., Gamrath G., Achterberg T., Bastubbe M., Berthold T., Shinano Y. MIPLIB 2017: Data-driven Compilation of the 6th Mixed-integer Programming Library //Mathematical Programming Computation. 2021. V. 13. № 3. P. 443–490.
  27. Xu Y., Ralphs T.K., Ladányi L., Saltzman M.J. Computational Experience With a Software Framework for Parallel Integer Programming //INFORMS J. on Computing. 2009. V. 21. № 3. P. 383–397.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».