优化问题-“列生成，行生成”

https://zhuanlan.zhihu.com/p/49752900
https://blog.csdn.net/u011561033/article/details/96895023
https://blog.csdn.net/Treasureashes/article/details/118098304

行生成（constraint generation）

行生成，又称为“割平面法”，在线性规划中等同于约束，又称为“延迟约束生成法”。可用于求解大规模线性求解规划问题。

行生成条件下，先考虑一部分约束子集下的最优解。

将该最优解带入整个线性规模模型中，判断其是否为可行解。如果是，该解便是最优解；如果不是可行解，判断其是违反了什么约束，再将违反的约束加入约束集中，再次迭代求解。

因此行生成解法的重点在于选择的割平面是否合适。

列约束

这篇文章对列约束的讲解特别详细，大家可以看看：

https://xijunlee.github.io/2017/10/12/%E4%BB%8E%E5%8D%95%E7%BA%AF%E5%9E%8B%E6%B3%95%E5%88%B0%E5%88%97%E7%94%9F%E6%88%90%E7%AE%97%E6%B3%95/

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。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 rate小于零的呢（其具体的做法就是通过求解一个线性最大化问题，即求未被考虑的变量中的reduced cost rate的最大值）？如果有，那么我就把这个变量的相关系数列加入到restricted master problem的系数矩阵中。经过这样反复的迭代，直到subproblem中的reduced cost rate大于等于零，那么master problem就求到了最优解。

Column-and-row Generation（CRG）

column-dependent-rows（CDR）problem是一类特定的LP问题：

（1）生成列的同时也可能会生成相关的约束（linking constraints）（行），即存在与行和列同时相关的变量。
（2）相关联的约束太多，无法将这些约束直接包含在公式中。完整的约束集的显性描述只在整个变量集存在时可用。约束不全是显性的，也就是说，行的个数不可能在一开始就知道。

针对该类问题，可以采用Benders或者Dantzig–Wolfe方法分解成子问题，进行求解。

Benders分解算法通常对应行生成，而Dantzig-Wolfe分解算法对应列生成。

https://blog.csdn.net/kittyzc/article/details/81712257