제약 행렬 선형 변형에 대한 효율적인 LP 워밍스타트

초록

본 논문은 선형 제약 행렬이 λ에 따라 선형적으로 변하는 LP 문제에서, 사전에 구한 최적 기저를 활용해 λ값 집합 Λ에 대한 최적 해와 목적값을 빠르게 계산하는 세 가지 워밍스타트 알고리즘을 제시한다. 각각 고유값 분해, Schur 분해, 그리고 조정된 고유값 분해를 이용하며, 전처리 후 전체 복잡도는 O(pm²+pmn)이다. 또한 기저의 존재·타당·최적성 조건을 정리하고, 목적함수의 지역 상한을 제공한다.

상세 분석

이 논문은 LP의 제약 행렬이 A+λD 형태로 변할 때, 기존 최적 기저 B를 재활용해 새로운 λ에 대한 해를 효율적으로 얻는 방법을 체계화한다. 핵심 아이디어는 (A_B+λD_B)⁻¹를 직접 계산하는 대신, E_B = A_B⁻¹D_B 를 분해하여 (I+λE_B)⁻¹를 빠르게 구하는 것이다. 첫 번째 방법은 E_B가 대각화 가능할 경우 고유값 분해 QΣQ⁻¹를 이용해 x_B(λ)=Q(I+λΣ)⁻¹Q⁻¹x_B(0) 로 변환한다. 여기서 (I+λΣ)⁻¹는 대각 행렬이므로 O(m) 연산으로 처리 가능하고, 전체 λ에 대해 O(pm²)의 전처리 비용만 발생한다. 두 번째 방법은 E_B가 비대각화 가능할 때 Schur 분해 E_B=QUQᴴ를 사용한다. 상삼각 행렬 U에 대해 (I+λU)⁻¹를 역전파(back‑substitution)으로 O(m²)에 구할 수 있다. 세 번째 방법은 E_B를 임의의 벡터 α,β 로 확장해 F=