MétaCan
Menu
Retour à la cohorte
Enregistrement W4415897674 · doi:10.1016/j.ejco.2025.100122

On the integration of Dantzig-Wolfe and Fenchel decompositions via directional normalizations

2025· article· en· W4415897674 sur OpenAlexafffund
François Lamothe, Alain Haït, Emmanuel Rachelson, Claudio Contardo, Bernard Gendron

Notice bibliographique

RevueEURO Journal on Computational Optimization · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Optimization Algorithms Research
Établissements canadiensUniversité de MontréalConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCentre National d’Etudes Spatiales
Mots-clésNormalization (sociology)Linear programmingInteger programmingInteger (computer science)DecompositionConvergence (economics)Dual (grammatical number)

Résumé

récupéré en direct d'OpenAlex

Strengthening linear relaxations and the bounds of mixed integer linear programs has been an active research topic for decades. Enumeration-based methods for integer programming like linear programming-based branch-and-bound exploit strong dual bounds to discard unpromising regions of the feasible space. In this paper, we consider the strengthening of linear programs via a composite of Dantzig-Wolfe and Fenchel decompositions. We provide geometric interpretations of these two standard methods. Motivated by these geometric interpretations, we introduce a novel approach for solving Fenchel sub-problems and introduce a novel algorithmic method originally combining Dantzig-Wolfe and Fenchel decompositions. We carry out extensive computational experiments assessing the performance of the novel method on the unsplittable flow problem. This new approach gives very promising results when compared to usual decomposition methods. • We introduce a novel approach to the Fenchel sub-problem when a directional normalization is used. The proposed method possesses reduces the numerical instabilities of a direct resolution approach commonly used. We show that the new approach solves the Fenchel sub-problem in finitely many iterations. • We introduce a new decomposition method inspired by both the Dantzig-Wolfe and the Fenchel decompositions. The method uses a Dantzig-Wolfe master problem and a Fenchel master problem. A Fenchel sub-problem guided with a directional normalization is used to coordinate the two master problems. • Although the theory behind the new method is general, we expect this method to outperform the Dantzig-Wolfe decomposition mainly when the latter suffers from convergence issues due to degeneracy. To highlight this we conduct an extensive computational study on the unsplittable flow problems for which the Dantzig-Wolfe decomposition is known to suffer from convergence issues. The new method is shown to perform well; especially on instances presenting high degrees of degeneracy. We provide a possible explanation of the resilience of our method to degeneracy based on our findings.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,362
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEURO Journal on Computational OptimizationMême sujetAdvanced Optimization Algorithms ResearchTravaux en français237 207