【问题标题】:How to select n objects from a set of N objects, maximizing the sum of pairwise distances between them如何从一组 N 个对象中选择 n 个对象,最大化它们之间的成对距离之和
【发布时间】:2019-11-07 17:01:34
【问题描述】:

您有一组 N=400 个对象,每个对象在 19 维空间中都有自己的坐标。

您计算(欧几里得)距离矩阵(所有成对距离)。

现在您要选择 n=50 个对象,以使所选对象之间的所有成对距离之和最大。

我设计了一种通过线性规划来解决这个问题的方法(下面的代码,用于一个较小的示例),但对我来说似乎效率低下,因为我使用的是 N*(N-1)/2 个二进制变量,对应于所有距离矩阵的非冗余元素,然后进行大量的约束来保证解向量的自洽性。

我怀疑一定有一种更简单的方法,只使用 N 个变量,但我想不出一个。

This post 简要提到了一些“Bron–Kerbosch”算法,该算法显然解决了距离总和部分。
但在那个例子中,距离的总和是一个特定的数字,所以我看不到直接适用于我的案例。

我简要了解了二次规划,但我再次看不到与我的案例的直接平行,尽管 'b %*% bT' 矩阵,其中 b 是(列)二元解向量,理论上可以用于乘以距离矩阵等;但我真的不熟悉这种技术。

谁能告诉我(/指向其他解释的帖子)是否以及如何通过仅使用 N 个二进制变量的线性规划来解决此类问题?
或者就如何更有效地解决问题提供任何其他建议?

谢谢!

PS:这是我上面提到的代码。

require(Matrix)

#distmat defined manually for this example as a sparseMatrix
distmat <- sparseMatrix(i=c(rep(1,4),rep(2,3),rep(3,2),rep(4,1)),j=c(2:5,3:5,4:5,5:5),x=c(0.3,0.2,0.9,0.5,0.1,0.8,0.75,0.6,0.6,0.15))

N = 5
n = 3

distmat_summary <- summary(distmat)
distmat_summary["ID"] <- 1:NROW(distmat_summary)
i.mat <- xtabs(~i+ID,distmat_summary,sparse=T)
j.mat <- xtabs(~j+ID,distmat_summary,sparse=T)
ij.mat <- rbind(i.mat,"5"=rep(0,10))+rbind("1"=rep(0,10),j.mat)
ij.mat.rowSums <- rowSums(ij.mat)
ij.diag.mat <- .sparseDiagonal(n=length(ij.mat.rowSums),-ij.mat.rowSums)
colnames(ij.diag.mat) <- dimnames(ij.mat)[[1]]
mat <- rbind(cbind(ij.mat,ij.diag.mat),cbind(ij.mat,ij.diag.mat),c(rep(0,NCOL(ij.mat)),rep(1,NROW(ij.mat)) ))

dir <- c(rep("<=",NROW(ij.mat)),rep(">=",NROW(ij.mat)),"==")
rhs <- c(rep(0,NROW(ij.mat)),1-unname(ij.mat.rowSums),n)

obj <- xtabs(x~ID,distmat_summary)
obj <- c(obj,setNames(rep(0, NROW(ij.mat)), dimnames(ij.mat)[[1]]))

if (length(find.package(package="Rsymphony",quiet=TRUE))==0) install.packages("Rsymphony")
require(Rsymphony)
LP.sol <- Rsymphony_solve_LP(obj,mat,dir,rhs,types="B",max=TRUE)
items.sol <- (names(obj)[(1+NCOL(ij.mat)):(NCOL(ij.mat)+NROW(ij.mat))])[as.logical(LP.sol$solution[(1+NCOL(ij.mat)):(NCOL(ij.mat)+NROW(ij.mat))])]
items.sol
ID.sol <- names(obj)[1:NCOL(ij.mat)][as.logical(LP.sol$solution[1:NCOL(ij.mat)])]
as.data.frame(distmat_summary[distmat_summary$ID %in% ID.sol,])

【问题讨论】:

  • Cplex 和 Gurobi 可以选择自动为您线性化二次问题。
  • 谢谢欧文;确实,在进一步阅读之后,我打算获得 Cplex。首先,我将评估免费版本,如果它解决了公式为二次的问题,我什至不会为线性化而烦恼。但它可能不会,无论如何,二次问题的线性化是一个有趣的话题;事实上,我要问另一个问题。
  • OP 发布了一个相关问题here,其答案可能适用于该问题。

标签: r optimization linear-programming euclidean-distance


【解决方案1】:

这个问题被称为 p-dispersion-sum 问题。它可以使用 N 个二元变量来表示,但使用二次项。据我所知,在 linear 程序中仅使用 N 个二进制变量是不可能的。

This paper by Pisinger 给出了二次公式并讨论了边界和分支定界算法。

希望这会有所帮助。

【讨论】:

  • 太好了,谢谢!你对在 R 中使用什么二次求解器有什么建议吗? cran.r-project.org/web/views/Optimization.html
  • 看起来 R 没有免费的 MIQP 求解器。Rcplex 只是一个接口,需要单独安装 cplex。线性化似乎是我目前唯一可行的解​​决方案......许多文章如 this one 和 this one 描述了提高线性化方法计算效率的技术,但我希望不必自己编写代码......
猜你喜欢
  • 2020-02-29
  • 1970-01-01
  • 2019-04-08
  • 2015-06-13
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多