Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Log inSign up
Challenges
Datasets
Workspaces
Papers
Discussions
Leaderboard
Blog
Job Board
Q3AS

© 2026 Aqora Quantum S.A.S.

TermsPrivacyLegal Notice

Pesquisa Operacional

Decomposições Lagrangeanas para o problema de programação quadrática binária irrestrita

Geraldo Regis Mauri, Luiz Antônio Nogueira Lorena

Published Apr 1, 2009• 2 citations
Publisher

Abstract

O Problema de Programação Quadrática Binária Irrestrita - PQ é um dos problemas clássicos na área de otimização não-linear cujo objetivo é otimizar uma função quadrática através da escolha de valores binários apropriados para as variáveis de decisão. Este trabalho propõe novas alternativas de decomposição Lagrangeana para obtenção de limitantes para o PQ. Os métodos propostos tratam uma versão linear inteira mista (PQL) do PQ que tem restrições representadas através de um grafo. Esse grafo é particionado em clusters de vértices formando um problema dual cuja solução é dada por um algoritmo de subgradiente. A cada iteração desse método, os subproblemas formados pelos subgrafos gerados são resolvidos pelo CPLEX. Experimentos computacionais tratam um conjunto de dados formado por diversas instâncias de difícil solução e diferentes características. Os resultados mostram a eficiência dos métodos propostos em relação a métodos tradicionais de relaxação Lagrangeana e outros métodos encontrados na literatura.

DOI
10.1590/s0101-74382009000100006

Related papers

A new quadratic relaxation for binary variables with applications to the reliability of electrical distribution networks, segmentation of nerve root images, and distance geometry problems

Petra Maria Bartmeyer

Resumo: Como o título sugere, o foco desta pesquisa é o desenvolvimento de uma nova relaxação quadrática para problemas binários, sua formalização em resultados teóricos, e a aplicação dos novos conceitos em aplicações à confiabilidade de redes de energia elétrica, à segmentação de imagens médicas de nervos e à problemas de geometria de distâncias. Modelos matemáticos contendo va-riáveis de decisões binárias podem ser usados para encontrar as melhores soluções em processos de tomada de decisões, normalmente caracterizando problemas de otimização combinatória difíceis. A solução desses problemas em aplicações de interesse prático requer um grande esforço computacional; por isso, ao longo dos últimos anos, têm sido objeto de pesquisas na área de metaheurísticas. As ideias aqui desenvolvidas abrem novas perspectivas para a abordagem desses problemas apoiando-se em métodos de otimização não-lineares, área que vem sendo povoada por "solvers" muito eficientes. Inicialmente, explorando aspectos formais, a relaxação desenvolvida é parti-cularizada para um problema de otimização quadrática binária irrestrita. O relaxamento permite o desenvolvimento de três estruturas para abordar esta classe de problemas, e explora a convexidade da função objetivo para obter melhorias computacionais. Estudos de casos compararam o relaxamento proposto com os relaxamentos similares apresentados na literatura. Foram desenvolvidas três aplicações para os desenvolvimentos teóricos da pesquisa. A primeira aplicação envolve a melhoria da confiabilidade de redes de energia elétrica. Especificamente, aborda o problema de definir a melhor alternativa para a alocação de sensores na rede, o que permite reduzir os efeitos de ocorrências indesejáveis e ampliar a resiliência das redes. A segunda aplicação envolve o problema de segmentação de imagens médicas associadas a estruturas de nervos. A abordagem proposta interpreta o problema de segmentação como um problema de otimização binária, onde medir cada axônio significa encontrar um ciclo Hamiltoniano, um caso do problema do caixeiro viajante; a solução desses problemas fornece a estatística descritiva para um conjunto de axônios, incluindo o número (de axônios), os diâmetros e as áreas ocupadas. A última aplicação elabora um modelo matemático para o problema de geometria de distâncias sem designação, área ainda pouco estudada e com muitos aspectos em aberto. A relaxação desenvolvida na pesquisa permitiu resolver instâncias com mais de vinte mil variáveis binárias. Esses resultados são bons indicadores dos benefícios alcançáveis com os aspectos teóricos da pesquisa, e abrem novas perspectivas para as aplicações, que incluem inovações em nanotecnologia e bioengenharia

•Apr 27, 2020•0 citations

Avaliação Rápida em Problemas de Otimização Binária

Eduardo A.J. Anacleto, Cláudio N. Meneses

Neste trabalho, apresentamos um resultado original que possibilita acelerar o processo de resolucao do problema de Programacao Quadratica Binaria Irrestrita. A partir desse resultado, desenvolvemos um algoritmo e realizamos experimentos computacionais com instâncias disponiveis na literatura do problema.

Proceeding Series of the Brazilian Society of Computational and Applied Mathematics•Feb 14, 2018•0 citations

Algorithms for solving pseudo-boolean optimization problems

Eduardo A.J. Anacleto

Investigamos os problemas de Otimização Pseudo-Booleana (PBO), Otimização Quadrática Binária Irrestrita (QUBO) e Programação Quadrática Booleana com Restrições de Limitantes Superiores Generalizados (BQP-GUB). Estes problemas pertencem 'a classe de complexidade computacional NP-difícil e têm sido estudados desde os anos 60. A busca por m'métodos para resolver esses problemas constitui um campo de pesquisa ativo, devido a situações reais que podem ser modeladas por meio deles. Em virtude de apelos práticos, pesquisadores têm mostrado grande interesse no desenvolvimento desses métodos. Com o intuito de contribuir de maneira significativa para esta área de pesquisa: (a) propomos um algoritmo exato para resolver os problemas PBO e QUBO; (b) projetamos um algoritmo de tempo polinomial para resolver classes de instâncias dos problemas PBO e QUBO; (c) desenvolvemos fórmulas para gerar limitantes para os valores de soluções ótimas para o problema QUBO; (d) criamos fórmulas para calcular rapidamente o valor da função objetivo do BQP-GUB; e (e) reformulamos problemas de otimização combinatória para a forma dos problemas QUBO e BQP-GUB.

•Jun 21, 2023•0 citations

Resolução de Problemas de Seleção de Características com Algoritmos Quânticos em Dados Financeiros Reais

Lucas Queiroz Galvão, Otto Menegasso Pires, Yan Alef Chagas +2 more

O setor financeiro enfrenta desafios significativos ao lidar com conjuntos de dados de alta dimensionalidade e um número limitado de amostras, dificultando a construção de modelos preditivos robustos. Técnicas tradicionais de aprendizado de máquina ajudam a mitigar esses problemas, mas a presença de características irrelevantes e redundantes aumenta a complexidade computacional. Este artigo apresenta a aplicação de algoritmos quânticos na seleção de características usando dados reais do setor financeiro, demonstrando que esses algoritmos podem melhorar a eficiência e a precisão dos modelos preditivos. A abordagem envolve a formulação do problema em termos de Otimização Binária Quadrática Irrestrita (QUBO), e sua solução é implementada em simuladores de um annealer quântico. Os experimentos mostram resultados promissores, que são analisados adotando-se a métrica do Critério de Informação de Akaike. Os resultados sugerem que os algoritmos quânticos variacionais têm grande potencial de aplicação se comparados a técnicas tradicionais de seleção de características.

VETOR - Revista de Ciências Exatas e Engenharias•Dec 18, 2024•1 citation

Extensão de limites elipsoidais em programação quadrática inteira

Pinillos Nieto, Ismael Francisco

Limites elipsoidais para problemas de programacao inteira estritamente convexa foram propostos em [1, 2]. A ideia e subestimar a funcao objetivo quadratica q do problema por outra funcao quadratica convexa com o mesmo minimizador continuo da funcao q e para a qual um minimizador inteiro pode ser facilmente calculado. Propomos nesta tese uma maneira diferente de construir o subestimador quadratico para o mesmo problema e entao estender a ideia a outros problemas inteiros quadraticos, onde a funcao objetivo e convexa (nao necessariamente estritamente convexa), e onde a funcao objetivo e nao convexa com a introducao de restricoes de caixa. A qualidade dos limites propostos e avaliada experimentalmente e comparada com as metodologias relacionadas.

•Mar 1, 2017•0 citations

AN IMPROVED EXACT METHOD FOR THE UBQP

Daniel Fleischman

A Programação Quadrática Binária Irrestrita (UBQP) é amplamente\nestudada. Trata-se de uma ferramenta de modelagem poderosa, mas\notimizar de um problema NP-difícil. Neste trabalho uma nova abordagem\né apresentada, que pode ser usada para construir um algoritmo exato.\nAlém disso, a ideia básica que fundamenta o trabalho pode ser usado em\num espectro ainda mais amplo de problemas. O algoritmo exato derivado\ndo novo método é altamente paralelizável, o que é uma característica\ndesejável nos dias de hoje em que cloud computing já é uma realidade. Para\ninstâncias razoavelmente grandes do UBQP, o novo método pode paralelizar\na centenas, ou até milhares, de núcleos com facilidade, com um aumento\nde desempenho quase linear.

•Aug 4, 2010•1 citation
O Problema de Programação Quadrática Binária Irrestrita - PQ é um dos problemas clássicos na área de otimização não-linear cujo objetivo é otimizar uma função quadrática através da escolha de valores binários apropriados para as variáveis de decisão. Este trabalho propõe novas alternativas de decomposição Lagrangeana para obtenção de limitantes para o PQ. Os métodos propostos tratam uma versão linear inteira mista (PQL) do PQ que tem restrições representadas através de um grafo. Esse grafo é particionado em clusters de vértices formando um problema dual cuja solução é dada por um algoritmo de subgradiente. A cada iteração desse método, os subproblemas formados pelos subgrafos gerados são resolvidos pelo CPLEX. Experimentos computacionais tratam um conjunto de dados formado por diversas instâncias de difícil solução e diferentes características. Os resultados mostram a eficiência dos métodos propostos em relação a métodos tradicionais de relaxação Lagrangeana e outros métodos encontrados na literatura.
Resumo: Como o título sugere, o foco desta pesquisa é o desenvolvimento de uma nova relaxação quadrática para problemas binários, sua formalização em resultados teóricos, e a aplicação dos novos conceitos em aplicações à confiabilidade de redes de energia elétrica, à segmentação de imagens médicas de nervos e à problemas de geometria de distâncias. Modelos matemáticos contendo va-riáveis de decisões binárias podem ser usados para encontrar as melhores soluções em processos de tomada de decisões, normalmente caracterizando problemas de otimização combinatória difíceis. A solução desses problemas em aplicações de interesse prático requer um grande esforço computacional; por isso, ao longo dos últimos anos, têm sido objeto de pesquisas na área de metaheurísticas. As ideias aqui desenvolvidas abrem novas perspectivas para a abordagem desses problemas apoiando-se em métodos de otimização não-lineares, área que vem sendo povoada por "solvers" muito eficientes. Inicialmente, explorando aspectos formais, a relaxação desenvolvida é parti-cularizada para um problema de otimização quadrática binária irrestrita. O relaxamento permite o desenvolvimento de três estruturas para abordar esta classe de problemas, e explora a convexidade da função objetivo para obter melhorias computacionais. Estudos de casos compararam o relaxamento proposto com os relaxamentos similares apresentados na literatura. Foram desenvolvidas três aplicações para os desenvolvimentos teóricos da pesquisa. A primeira aplicação envolve a melhoria da confiabilidade de redes de energia elétrica. Especificamente, aborda o problema de definir a melhor alternativa para a alocação de sensores na rede, o que permite reduzir os efeitos de ocorrências indesejáveis e ampliar a resiliência das redes. A segunda aplicação envolve o problema de segmentação de imagens médicas associadas a estruturas de nervos. A abordagem proposta interpreta o problema de segmentação como um problema de otimização binária, onde medir cada axônio significa encontrar um ciclo Hamiltoniano, um caso do problema do caixeiro viajante; a solução desses problemas fornece a estatística descritiva para um conjunto de axônios, incluindo o número (de axônios), os diâmetros e as áreas ocupadas. A última aplicação elabora um modelo matemático para o problema de geometria de distâncias sem designação, área ainda pouco estudada e com muitos aspectos em aberto. A relaxação desenvolvida na pesquisa permitiu resolver instâncias com mais de vinte mil variáveis binárias. Esses resultados são bons indicadores dos benefícios alcançáveis com os aspectos teóricos da pesquisa, e abrem novas perspectivas para as aplicações, que incluem inovações em nanotecnologia e bioengenharia
Investigamos os problemas de Otimização Pseudo-Booleana (PBO), Otimização Quadrática Binária Irrestrita (QUBO) e Programação Quadrática Booleana com Restrições de Limitantes Superiores Generalizados (BQP-GUB). Estes problemas pertencem 'a classe de complexidade computacional NP-difícil e têm sido estudados desde os anos 60. A busca por m'métodos para resolver esses problemas constitui um campo de pesquisa ativo, devido a situações reais que podem ser modeladas por meio deles. Em virtude de apelos práticos, pesquisadores têm mostrado grande interesse no desenvolvimento desses métodos. Com o intuito de contribuir de maneira significativa para esta área de pesquisa: (a) propomos um algoritmo exato para resolver os problemas PBO e QUBO; (b) projetamos um algoritmo de tempo polinomial para resolver classes de instâncias dos problemas PBO e QUBO; (c) desenvolvemos fórmulas para gerar limitantes para os valores de soluções ótimas para o problema QUBO; (d) criamos fórmulas para calcular rapidamente o valor da função objetivo do BQP-GUB; e (e) reformulamos problemas de otimização combinatória para a forma dos problemas QUBO e BQP-GUB.
O setor financeiro enfrenta desafios significativos ao lidar com conjuntos de dados de alta dimensionalidade e um número limitado de amostras, dificultando a construção de modelos preditivos robustos. Técnicas tradicionais de aprendizado de máquina ajudam a mitigar esses problemas, mas a presença de características irrelevantes e redundantes aumenta a complexidade computacional. Este artigo apresenta a aplicação de algoritmos quânticos na seleção de características usando dados reais do setor financeiro, demonstrando que esses algoritmos podem melhorar a eficiência e a precisão dos modelos preditivos. A abordagem envolve a formulação do problema em termos de Otimização Binária Quadrática Irrestrita (QUBO), e sua solução é implementada em simuladores de um annealer quântico. Os experimentos mostram resultados promissores, que são analisados adotando-se a métrica do Critério de Informação de Akaike. Os resultados sugerem que os algoritmos quânticos variacionais têm grande potencial de aplicação se comparados a técnicas tradicionais de seleção de características.
Limites elipsoidais para problemas de programacao inteira estritamente convexa foram propostos em [1, 2]. A ideia e subestimar a funcao objetivo quadratica q do problema por outra funcao quadratica convexa com o mesmo minimizador continuo da funcao q e para a qual um minimizador inteiro pode ser facilmente calculado. Propomos nesta tese uma maneira diferente de construir o subestimador quadratico para o mesmo problema e entao estender a ideia a outros problemas inteiros quadraticos, onde a funcao objetivo e convexa (nao necessariamente estritamente convexa), e onde a funcao objetivo e nao convexa com a introducao de restricoes de caixa. A qualidade dos limites propostos e avaliada experimentalmente e comparada com as metodologias relacionadas.
A Programação Quadrática Binária Irrestrita (UBQP) é amplamente\nestudada. Trata-se de uma ferramenta de modelagem poderosa, mas\notimizar de um problema NP-difícil. Neste trabalho uma nova abordagem\né apresentada, que pode ser usada para construir um algoritmo exato.\nAlém disso, a ideia básica que fundamenta o trabalho pode ser usado em\num espectro ainda mais amplo de problemas. O algoritmo exato derivado\ndo novo método é altamente paralelizável, o que é uma característica\ndesejável nos dias de hoje em que cloud computing já é uma realidade. Para\ninstâncias razoavelmente grandes do UBQP, o novo método pode paralelizar\na centenas, ou até milhares, de núcleos com facilidade, com um aumento\nde desempenho quase linear.