我需要解决的问题是最大化线性规划中满足的约束。
更具体地说,假设我有一个不可行的 LP 问题,我现在的目标是找到我可以满足的最大约束数。
放在一个公式的方式:
我有和
如果在有限域中,则将是最大可满足性(MAX-SAT),这被证明是一个 NP-hard 问题。但是,对于线性规划问题,我找不到它是 NP-hard 还是多项式时间可解的。
如果对此有任何研究,请告诉我。
我需要解决的问题是最大化线性规划中满足的约束。
更具体地说,假设我有一个不可行的 LP 问题,我现在的目标是找到我可以满足的最大约束数。
放在一个公式的方式:
我有和
如果在有限域中,则将是最大可满足性(MAX-SAT),这被证明是一个 NP-hard 问题。但是,对于线性规划问题,我找不到它是 NP-hard 还是多项式时间可解的。
如果对此有任何研究,请告诉我。
出于调试目的,在 LP 公式中识别不可行约束的小子集很有帮助 - 不可约不可行子集 (IIS) 是不可行约束的子集,因此从 IIS 中删除任何约束都会产生一组可行的约束. 这在多项式时间内是可行的,并且在实践中相当快,但它与找到最大可行子系统不同。
在不可行 LP 中找到可行约束的最大子集的问题是 NP-Hard。看
Amaldi、Edoardo、Marc E. Pfetsch 和 Leslie E. Trotter Jr. “关于最大可行子系统问题,IIS 和 IIS 超图。” 数学编程 95,没有。3 (2003): 533-554。