干货 | 10分钟带你彻底了解column generation（列生成）算法的原理附java代码

OUTLINE

• 前言
• 预备知识预警
• 什么是column generation
• 相关概念科普
• Cutting Stock Problem
• CG求解Cutting Stock Problem
• 列生成代码

• reference

  00 前言

  这几天勤奋的小编一直在精确算法的快乐学习之中不能自拔。到列生成算法这一块，看了好几天总算把这块硬骨头给啃下来了。然后发现网上关于列生成的教学资料也不是很多，大部分讲的不是那么通俗易懂。所以今天就打算写一写这个算法，尽可能写得通俗易懂。

01 预备知识预警

由于列生成算法涉及的知识点非常多，所以在开始之前希望读者必须要具备以下的基础知识，不然就没法往下玩了：

• 线性规划以及线性规划对偶问题
• 单纯形法原理
• 原问题的影子价格（shadow price）以及对偶变量
• 单纯形法非基变量进基时非基变量检验数（reduce cost）的计算

以上内容我就不展开科普了。如果对这些概念还有不熟悉的小伙伴，一定要回去搞清楚再往下看哦。

02 什么是column generation？

2.1 相关背景

Column generation 是一种用于求解大规模线性优化问题的非常高效的算法。[3]其理论基础是由Danzig等于1960年提出。本质上而言，列生成算法就是单纯形法的一种形式，是用来求解线性规划问题的。列生成算法已被应用于求解如下著名的NP-hard优化问题：机组人员调度问题(Crew Assignment Problem)、切割问题(Cutting Stock Problem)、车辆路径问题(Vehicle Routing Problem)、单资源工厂选址问题(The single facility location problem )等。

2.2 larger linear programs

在某些线性优化问题的模型中,约束的数目有限，但是变量的数目随着问题规模的增长会爆炸式的增长，因此不能把所有的变量都显性的在模型中表达出来。比如下面一个线性规划问题：
\[ min (y_1 +...+y_n) \\ R1: a_{11}y_1+...+a_{1n}y_n \ge 10 \\ R2: a_{21}y_1+...+a_{2n}y_n \ge 40 \\ R3: a_{31}y_1+...+a_{3n}y_n \ge 80 \\ \]
从中可以看出，约束条件只有三个，但是当n=10000时，其变量数就达到了10000个。这类问题就是大规模的线性优化问题了。

2.3 column generation

单纯型法虽然能保证在数次迭代后找到最优解，但是其面对变量很多的线性规划问题就显得很弱了。因为它需要去在众多变量里进行基变换，就上面的问题而言，你想想你要在近10000个变量里面找个能进基的，活着不好吗？

再有，在用单纯形法求解这类线性规划问题时，基变量(basic variable)只与约束的个数相关，每次迭代只会有一个新的非基变量(non-basic variable)进基，因此，在整个求解过程中其实只有很少一部分变量会被涉及到。

因此，有人基于单纯型法提出了列生成算法。其思路大概如下：[1]

1. 先把原问题(master problem)restrict到一个规模更小（即变量数比原问题少的）的restricted master problem，在restricted master problem上用单纯型法求最优解，但是此时求得的最优解只是restricted master problem上的，并不是master problem的最优解。

2. 此时，就需要通过一个subproblem去check在那些未被考虑的变量中是否有使得reduced cost小于零的？如果有，那么就把这个变量的相关系数列加入到restricted master problem的系数矩阵中，回到第1步。

经过反复的迭代，直到subproblem中的reduced cost rate大于等于零，那么master problem就求到了最优解。

看算法流程图会更加直观哦：[2]