MARC

 008240219s2023        ulk                      00        kor
■001000016934651
■00520240214101638
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380145183
■035    ▼a(MiAaPQ)AAI30632166
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a621.3
■1001  ▼aYu,  Qimeng.
■24510▼aGeneralized  Submodular  Optimization:  Theory,  Algorithms  and  Applications▼h[electronic  resource]
■260    ▼a[S.l.]▼bNorthwestern  University.  ▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a1  online  resource(264  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-02,  Section:  B.
■500    ▼aAdvisor:  Kucukyavuz,  Simge.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aSubmodularity  is  a  well-known  concept  in  integer  programming  and  combinatorial  optimization.  Submodular  set  functions  capture  the  diminishing  returns  phenomenon,  which  has  wide-ranging  applications  in  various  domains.  Typically,  a  submodular  set  function  models  the  utility  of  homogenous  items  selected  from  a  single  ground  set.  Selecting  an  item  or  not  is  naturally  represented  by  one  or  zero.  Therefore,  optimizing  submodular  set  functions  is  a  class  of  interesting  mixed-integer  programming  (MIP)  problems  with  binary  variables.  In  practice,  many  problem  contexts  call  for  extensions  of  submodularity-we  may  select  multiple  copies  of  homogenous  items  or  choose  heterogenous  items  from  distinct  ground  sets.  We  refer  to  the  optimization  problems  arising  from  such  extensions  of  submodularity  as  Generalized  Submodular  Optimization  (GSO).  In  GSO,  the  objective  function  is  usually  highly  nonlinear,  and  the  decision  space  is  mixed-integer.  These  challenges  make  GSO  a  broad  subclass  of  mixed-integer  nonlinear  programming  (MINLP)  problems.  In  this  dissertation,  we  present  theory,  algorithms,  and  applications  of  GSO.  Specifically,  we  explore  the  optimization  problems  with  classical  submodular  set  functions  and  two  classes  of  generalized  submodular  functions,  under  constraints.  We  provide  polyhedral  theory  for  the  underlying  mixed-integer  structures  in  these  problems.  Our  theoretical  results  lead  to  efficient  and  versatile  exact  solution  methods,  which  have  demonstrated  their  effectiveness  in  practical  problems  using  real-world  datasets.
■590    ▼aSchool  code:  0163.
■650  4▼aComputer  engineering.
■653    ▼aConvex  hull
■653    ▼aMixed-integer  programming
■653    ▼aNonlinear  optimization
■653    ▼aPolyhedral
■653    ▼aGeneralized  Submodular  Optimization
■690    ▼a0796
■690    ▼a0464
■71020▼aNorthwestern  University▼bIndustrial  Engineering  and  Management  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g85-02B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16934651▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서