🔢 गणित

Hidden Convexity in Multi-Retailer Cold-Chain Allocation: A Cholesky-Spectral Second-Order Cone Programming Approach

यह शोधपत्र HSDI एल्गोरिदम प्रस्तुत करता है, जो मल्टी-रिटेलर कोल्ड-चेन एलोकेशन गेम्स में छिपी हुई उत्तलता (hidden convexity) का लाभ उठाने के लिए एक चोलेस्की-स्पेक्ट्रल ट्रांसफॉर्म का उपयोग करता है, जिससे एक सामान्यतः NP-हार्ड सामान्य नैश इक्विलिब्रियम समस्या को प्रमाणित वैश्विक अभिसरण और उत्कृष्ट कम्प्यूटेशनल दक्षता वाले एक सुलभ सेकंड-ऑर्डर कोन प्रोग्राम में परिवर्तित किया जा सके।

मूल लेखक: Thinh Nguyen Hoang Pham, Boris Mordukhovich, Son Hoang Truong, Ngoc Anh Tran, Quyen Phuong Le

प्रकाशित 2026-10-28✓ Author reviewed ⓘ

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Thinh Nguyen Hoang Pham, Boris Mordukhovich, Son Hoang Truong, Ngoc Anh Tran, Quyen Phuong Le

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने नहीं लिखा है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि डेयरी उद्योग की जीवनरेखा कहे जाने वाले रेफ्रिजेरेटेड ट्रकों और गोदामों के एक नेटवर्क में दूध के कारखानों से स्टोर की शेल्फ तक पहुँचने की प्रक्रिया चल रही है। यह कोल्ड चेन बहुत नाजुक है। यदि कोई ट्रक खराब हो जाता है या गोदाम का दरवाजा खुला रह जाता है, तो तापमान बढ़ जाता है और दूध खराब हो जाता है। इस खराबी की गति यादृच्छिक (random) नहीं होती; यह एक सख्त भौतिक नियम का पालन करती है जहाँ गर्मी में मामूली वृद्धि भी उत्पाद के क्षय को तेजी से बढ़ा सकती है। उन खुदरा विक्रेताओं के लिए जो यह दूध बेचते हैं, चुनौती यह निर्णय लेने की है कि वे इस नेटवर्क के माध्यम से प्रत्येक प्रकार के उत्पाद की कितनी मात्रा भेजें। उन्हें लॉजिस्टिक्स की लागत और गर्मी के कारण होने वाले नुकसान के जोखिम के बीच संतुलन बनाना होगा। यदि वे किसी जोखिम भरे समय के दौरान अत्यधिक ताप-संवेदनशील उत्पाद भेजते हैं, तो उन्हें नुकसान होता है। यदि वे बहुत कम भेजते हैं, तो वे बिक्री का अवसर खो देते हैं। लक्ष्य बर्बादी को न्यूनतम करते हुए लागत को कम रखना है, जो एक कार्य तब अत्यंत कठिन हो जाता है जब कई खुदरा विक्रेता एक ही सीमित कूलिंग क्षमता के लिए प्रतिस्पर्धा कर रहे होते हैं।

यही वह समस्या है जिसे हल करने के लिए शोधकर्ताओं की एक टीम ने प्रयास किया। उन्होंने इन निर्णयों के पीछे के जटिल गणित का अध्ययन किया, जिसमें आमतौर पर गैर-रेखीय समीकरणों (non-linear equations) का एक उलझा हुआ जाल शामिल होता है जो हल करने में अत्यंत कठिन होते हैं। अनुकूलन (optimization) की दुनिया में, इन समीकरणों को अक्सर "गैर-उत्तल" (non-convex) कहा जाता है, जिसका अर्थ है कि उनमें कई स्थानीय उतार-चढ़ाव (dips and peaks) होते हैं, जिससे कंप्यूटर के लिए एक खराब समाधान में फंस जाना और सबसे अच्छे समाधान को चूक जाना बहुत आसान हो जाता है। शोधकर्ताओं ने व्यवसायों द्वारा उपयोग किए जाने वाले एक विशिष्ट दक्षता स्कोर पर ध्यान केंद्रित किया, जो माल ले जाने की लागत के मुकाबले खराबी के जोखिम की तुलना करता है। क्योंकि यह स्कोर दो जटिल सूत्रों का अनुपात है, यह एक ऐसी गणितीय पहेली बनाता है जिसे बड़े नेटवर्क के लिए उचित समय में पूरी तरह से हल करना सामान्यतः असंभव माना जाता है।

हालाँकि, शोधकर्ताओं ने इस जटिलता के भीतर एक छिपी हुई सरलता की खोज की। उन्होंने महसूस किया कि विभिन्न प्रकार के दूध उत्पादों पर गर्मी का प्रभाव एक विशिष्ट पैटर्न का अनुसरण करता है। हालांकि प्रत्येक उत्पाद की गर्मी के प्रति अपनी अनूठी संवेदनशीलता होती है, लेकिन वे सभी आपूर्ति श्रृंखला में एक ही अंतर्निय तापीय झटके (temperature shock) के प्रति प्रतिक्रिया करते हैं। यह साझा प्रतिक्रिया एक गणितीय संरचना बनाती है जो एक एकल प्रमुख कारक और कुछ छोटे, व्यक्तिगत विविधताओं की तरह दिखती है। इस संरचना का लाभ उठाते हुए, टीम ने एक नई विधि विकसित की जो इस असंभव पहेली को एक हल करने योग्य पहेली में बदल देती है। उन्होंने उलझे हुए समीकरणों को सीधा करने के लिए दो मानक गणितीय तकनीकों के संयोजन का उपयोग किया, जिससे यह कठिन समस्या एक ऐसे रूप में बदल गई जिसे कंप्यूटर तेजी से और पूर्णतः सर्वोत्तम उत्तर खोजने के आश्वासन के साथ हल कर सकते हैं।

टीम ने अपने तरीके का परीक्षण किया, जिसे उन्होंने HSDI नाम दिया, इंजीनियरों और डेटा वैज्ञानिकों द्वारा उपयोग किए जाने वाले सर्वोत्तम मौजूदा उपकरणों के विरुद्ध किया। उन्होंने वियतनाम और संयुक्त राज्य अमेरिका दोनों के डेयरी बाजारों के वास्तविक डेटा का उपयोग करके सिमुलेशन चलाए। इन परीक्षणों में, नई विधि ने लगातार पुराने, अधिक समय लेने वाले उपकरणों के समान ही सर्वोत्तम समाधान खोजा, लेकिन इसने इसे कई बार अनुमान लगाने और जांचने की आवश्यकता के बिना किया। जहाँ पुराने उपकरणों को फंसने से बचने के लिए अक्सर दर्जनों बार अपनी गणनाएँ फिर से शुरू करनी पड़ती थीं, वहीं नया तरीका एक ही सुचारू प्रवाह (single, smooth pass) में काम करता था। उन विशिष्ट मामलों में जहाँ गणितीय स्थितियाँ पूर्ण थीं, यह सिद्ध हुआ कि विधि 'ग्लोबल ऑप्टिमम' (global optimum), यानी उत्पादों के आवंटन का एकल सर्वोत्तम संभव विकल्प ढूंढ लेती है। यहाँ तक कि जब स्थितियाँ पूर्ण नहीं थीं, तब भी विधि ने एक स्पष्ट, गणनात्मक सीमा प्रदान की कि समाधान कितना सटीक हो सकता है, जिससे यह सुनिश्चित हुआ कि परिणाम हमेशा विश्वसनीय हो।

इस पद्धति ने केवल उत्पादों के सही मिश्रण को खोजने के अलावा, एक मूल्यवान संख्या भी उत्पन्न की जो पूरे सिस्टम के लिए एक "शैडो प्राइस" (shadow price) के रूप में कार्य करती है। यह संख्या खुदरा विक्रेताओं और नीति निर्माताओं को ठीक से बताती है कि उन्हें अपने नेटवर्क में एक और इकाई कूलिंग क्षमता जोड़ने से कितना अतिरिक्त मूल्य प्राप्त होगा। शोधकर्ताओं ने पाया कि यह मूल्य संयुक्त राज्य अमेरिका जैसे विकसित देशों की तुलना में वियतनाम जैसे उभरते बाजारों में बहुत अधिक है। यह सुझाव देता है कि इन विकासशील क्षेत्रों में बेहतर प्रशीतन (refrigeration) बुनियादी ढांचे में निवेश करने से बहुत अधिक रिटर्न मिलेगा, क्योंकि वर्तमान क्षमता का अभाव महत्वपूर्ण नुकसान का कारण बन रहा है। यह विधि स्थिर भी सिद्ध हुई; डेटा में छोटे बदलाव, जैसे कि तापमान के उतार-चढ़ाव के अनुमान में मामूली बदलाव, ने अनुशंसित योजना को नाटकीय रूप से बदलने नहीं दिया। इसके बजाय, समाधान सुचारू रूप से समायोजित हुआ, जिससे निर्णय लेने वालों को विश्वास मिला कि उनकी योजनाएं वास्तविक दुनिया में टिक सकेंगी।

इस कार्य का महत्व इस बात में निहित है कि यह एक सैद्धांतिक गणितीय अंतर्दृष्टि को खाद्य उद्योग के लिए एक व्यावहारिक उपकरण में बदलने की क्षमता रखता है। यह पहचानकर कि खराबी का भौतिक विज्ञान डेटा में एक छिपी हुई व्यवस्था बनाता है, शोधकर्ता सामान्य कम्प्यूटेशनल बाधाओं को पार करने में सक्षम रहे। उन्होंने दिखाया कि जो समस्या अराजक और अनसुलझी लगती है, वह वास्तव में एक ऐसी संरचना में है जो एक सटीक और कुशल समाधान की अनुमति देती है। इसका अर्थ है कि अब खुदरा विक्रेता अपने उत्पादों को स्थानांतरित करने के बारे में बेहतर और तेज़ निर्णय ले सकते हैं, जिससे संभावित रूप से बर्बाद होने वाले भोजन के लाखों डॉलर बचाए जा सकते हैं और यह सुनिश्चित किया जा सकता है कि अधिक दूध उपभोक्ताओं तक ताजा पहुँचे। यह दृष्टिकोण कोल्ड स्टोरेज सुविधाओं के निर्माण के लिए प्राथमिकता निर्धारित करने का एक स्पष्ट, डेटा-संचालित तरीका भी प्रदान करता है, जो निवेश को वहीं निर्देशित करता है जहाँ इसकी सबसे अधिक आवश्यकता है। खाद्य सुरक्षा और आपूर्ति श्रृंखला दक्षता के मामले में एक ऐसी दुनिया में, यह विधि लागत, जोखिम और गर्मी के निरंतर भौतिक विज्ञान के बीच तालमेल बिठाने के लिए एक विश्वसनीय दिशा-सूचक यंत्र प्रदान करती है।

तकनीकी सारांश: मल्टी-रिटेलर कोल्ड-चेन एलोकेशन में छिपी हुई उत्तलता (Hidden Convexity)

समस्या का निरूपण
यह शोध पत्र कई खुदरा विक्रेताओं ( $n$ ) के बीच एक साझा प्रशीतित (refrigerated) कोल्ड-चेन नेटवर्क में डेयरी उत्पादों के आवंटन (allocation) को संबोधित करता है। प्रत्येक खुदरा विक्रेता को ऊष्मा-संवेदनशीलता उपसमूहों ( $K$ ) और नियोजन अवधियों ( $T$ ) के बीच उत्पादों को आवंटित करना होता है ताकि एक द्विघात-आंशिक (quadratic-fractional) दक्षता मीट्रिक को अधिकतम किया जा सके। यह मीट्रिक, डेटा एनवेलपमेंट एनालिसिस (DEA) से प्रेरित है, जिसे स्पॉइलेज जोखिम (अंश/numerator) और लॉजिस्टिक्स लागत (हर/denominator) के अनुपात के रूप में परिभाषित किया गया है। अंश (numerator) अरहेनियस नियम (Arrhenius law) के साथ एक $Q_{10}$ गुणांक का उपयोग करके भौतिक स्पॉइलेज गतिकी (physical spoilage kinetics) को शामिल करता है, जबकि हर (denominator) भंडारण और बाजार-प्रभाव लागतों को समाहित करता है।

प्रत्येक खुदरा विक्रेता के लिए व्यक्तिगत अनुकूलन समस्या एक गैर-उत्तल (non-convex) आंशिक द्विघात-प्रतिबंधित द्विघात प्रोग्राम (QCQP) है। जब कई खुदरा विक्रेता एक साझा वैश्विक जोखिम-बजट बाधा (जो एक सामान्य थर्मल शॉक या क्षमता सीमा का प्रतिनिधित्व करती है) साझा करते हैं, तो यह प्रणाली एक जनरल नैश इक्विलिब्रियम प्रॉब्लम (GNEP) का निर्माण करती है। लेखक समाधान अवधारणा के रूप में एक वेरिएशनल इक्विलिब्रियम (VE) का प्रतिपादन करते हैं, जो साझा बाधा के लिए एक सामान्य लैग्रेंज मल्टीप्लायर (शैडो प्राइस) सुनिश्चित करता है, जिससे आर्थिक व्याख्यात्मकता और गणनात्मक सुगमता प्राप्त होती है।

कार्यप्रणाली: छिपी हुई उत्तलता और HSDI
मुख्य कार्यप्रणाली संबंधी अंतर्दृष्टि थर्मल जोखिम की भौतिक संरचना से उत्पन्न होने वाली "छिपी हुई उत्तलता" (hidden convexity) की पहचान है। अरहेनियस स्पॉइलेज कानून यह दर्शाता है कि किसी भी खुदरा विक्रेता के लिए थर्मल-जोखिम कोवेरिएंस मैट्रिक्स ( $\Sigma_i$ ) एक रैंक-वन-प्लस-डायगोनल संरचना ( $\Sigma_i = b_i b_i^\top + D_i$ ) का पालन करता है, जहाँ रैंक-वन पद साझा थर्मल शॉक को और डायगोनल पद व्यक्तिगत (idiosyncratic) जोखिमों को दर्शाता है।

इस संरचना का लाभ उठाने के लिए, लेखक एक हिडन SOCP डिन्केलक इटरेशन (HSDI) एल्गोरिदम प्रस्तावित करते हैं, जो दो स्तरों में कार्य करता है:

एक साथ विकेंद्रीकरण (Simultaneous Diagonalization - Cholesky-Spectral Transform):
पूर्व दृष्टिकोणों के विपरीत, जिन्हें जोखिम मैट्रिक्स ( $\Sigma_i$ ) और लागत मैट्रिक्स ( $H_i$ ) के बीच कम्यूटेटिविटी (commutativity) की आवश्यकता होती थी, यह शोध पत्र बिना कम्यूटेटिविटी के युग्म $(\Sigma_i, H_i)$ के एक साथ विकेंद्रीकरण के लिए एक प्रमेय स्थापित करता है। $H_i$ के चोलेस्की अपघटन (Cholesky decomposition) को लागू करके और रूपांतरित $\Sigma_i$ के स्पेक्ट्रल अपघटन द्वारा, लेखक एक वेरिएबल परिवर्तन का निर्माण करते हैं जो गैर-उत्तल आंशिक QCQP को उत्तल सेकंड-ऑर्डर कोन प्रोग्रामिंग (SOCP) अनुक्रमों में बदल देता है।
SOCP रिलैक्सेशन के साथ डिन्केलक इटरेशन (Dinkelbach Iteration):
आंशिक उद्देश्य को डिन्केलक एल्गोरिदम के माध्यम से संभाला जाता है। प्रत्येक इटरेशन में, आंतरिक समस्या को एक SOCP के रूप में हल किया जाता है।

सटीकता (Exactness): यदि रूपांतरित जोखिम मैट्रिक्स के आइगेन मान (eigenvalues) वर्तमान दक्षता अनुमान के सापेक्ष एक विशिष्ट शर्त को पूरा करते हैं, तो SOCP रिलैक्सेशन सटीक होता है, जो वैश्विक इष्टतम (global optimum) को पुनः प्राप्त करता है।
अशुद्धता (Inexactness): यदि शर्त पूरी नहीं होती है, तो एल्गोरिदम उल्लंघन किए गए आइगेन मानों के परिमाण के आधार पर एक क्लोज्ड-फॉर्म सब-ऑप्टिमलिटी बाउंड प्रदान करता है।

युग्मित वेरिएशनल इक्विलिब्रियम (Coupled Variational Equilibrium):
व्यक्तिगत समाधान साझा जोखिम बजट के माध्यम से जुड़े हुए हैं। लेखक सिद्ध करते हैं कि समग्र जोखिम मानचित्र (aggregate risk map) मोनोटोन (monotone) है, जिससे $\mu$ के लिए प्रोजेक्टेड स्यूडो-ग्रेडिएंट या बाइसैक्शन विधियों का उपयोग करना संभव होता है, जो रैखिक अभिसरण दर (linear convergence rates) प्रदान करते हैं।

प्रमुख योगदान

संरचनात्मक सिद्धांत: यह शोध पत्र गैर-कम्यूटिंग युग्मों $(\Sigma_i, H_i)$ के लिए एक 'सिमल्टेनियस डायगोनलाइजेशन' प्रमेय सिद्ध करता है जहाँ $\Sigma_i$ में रैंक-वन-प्लस-डायगोनल संरचना होती है। यह पूर्व साहित्य (जैसे, अक्काया और पिणार, 2025) में पाई जाने वाली प्रतिबंधात्मक कम्यूटेटिविटी धारणा को हटा देता है।
सटीकता और त्रुटि सीमाएँ: यह एक स्पष्ट, सत्यापन योग्य पर्याप्त शर्त प्रदान करता है जिसके लिए SOCP रिलैक्सेशन सटीक होता है। जब सटीकता विफल हो जाती है, तो एक क्लोज्ड-फॉर्म सब-ऑप्टिमलिटी बाउंड व्युत्पन्न किया जाता है।
अभिसरण विश्लेषण (Convergence Analysis): शोध पत्र HSDI एल्गोरिदम के लिए वैश्विक अभिसरण को स्थापित करता है। यदि रिलैक्सेशन सटीक है तो बाहरी डिन्केलक लूप Q-सुपरलीनियरली अभिसरित होता है, और अन्यथा कम से कम R-लीनियरली। युग्मित VE इटरेशन स्ट्रॉन्ग मोनोटोनिसिटी के तहत R-लीनियरली अभिसरित होता है। समग्र जटिलता बहुपद (polynomial) है, विशेष रूप से $O(nd^{3.5} \log^3(1/\varepsilon))$ ।
स्थिरता (Stability): सेकंड-ऑर्डर वेरिएशनल विश्लेषण का उपयोग करते हुए, लेखक प्रिमल-ड्यूल जोड़ी $(x^\star, \mu)$ की लिप्सचिट्ज़ स्थिरता (Lipschitz stability) को सिद्ध करते हैं, जो यह सुनिश्चित करता है कि शैडो प्राइस निर्णय लेने के लिए एक मजबूत मात्रात्मक संकेत है।

प्रायोगिक परिणाम
मॉडल को दो अलग-अलग बाजार व्यवस्थाओं पर कैलिब्रेट किया गया: वियतनाम (उच्च थर्मल नॉइज़ वाला उभरता बाजार) और संयुक्त राज्य अमेरिका (कम थर्मल नॉइज़ वाला विकसित बाजार)। छह संख्यात्मक प्रयोग किए गए:

वैश्विक इष्टतमता: HSDI ने बिना रैंडम रीस्टार्ट के सभी उदाहरणों में मल्टी-स्टार्ट नॉन-लीनियर सॉल्वर (SLSQP, trust-constr) के सर्वोत्तम मानों के भीतर $5.5 \times 10^{-3}$ के अंतर के साथ मिलान किया, जबकि एक कन्वर्जेंस सर्टिफिकेट भी प्रदान किया।
स्पेक्ट्रल संरचना: अनुभवजन्य डेटा ने रैंक-वन-प्लस-डायगोनल संरचना की पुष्टि की, जिसमें शीर्ष आइगेन मान ने स्पेक्ट्रम के 99% से अधिक हिस्से को कैप्चर किया।
निकट-इष्टतमता (Near-Optimality): SOCP रिलैक्सेशन वियतनाम ग्रिड के 77% और यूएस ग्रिड के 42% पर सटीक (या $10^{-3}$ से कम गैप के साथ निकट-इष्टतम) था।
स्केलिंग: HSDI के लिए अनुभवजन्य स्केलिंग एक्सपोनेंट $\hat{\gamma} \approx 0.93$ पाया गया, जो SLSQP के $\hat{\gamma} \approx 1.30$ से काफी कम है, जो यह सुझाव देता है कि HSDI बड़े पैमाने पर नॉन-लीनियर सॉल्वर से बेहतर प्रदर्शन करेगा।
अभिसरण दरें: अनुभवजन्य अभिसरण दरें सैद्धांतिक भविष्यवाणियों से मेल खाती हैं: डिन्केलक लूप के लिए R-लीनियर क्षय (कारक $\approx 0.4$ ) और VE मल्टीप्लायर के लिए (कारक $\approx 0.5$ )।
स्थिरता: शैडो प्राइस $\mu$ को लिप्सचिट्ज़-स्टेबल पाया गया, जिसमें यूएस मार्केट की तुलना में वियतनाम जैसे उभरते बाजार में कोल्ड-चेन क्षमता का उच्च सीमांत मूल्य (marginal value) देखा गया।

महत्व और दावे
शोध पत्र कोल्ड-चेन एलोकेशन के लिए एक निश्चित (deterministic), अभिसरण-प्रमाणित उपकरण प्रदान करने का दावा करता है जो गैर-उत्तल स्थानीय सॉल्वरों (local solvers) के दोषों से बचता है। इसका प्राथमिक महत्व एक सामान्यतः NP-hard GNEP को एक सुलभ बहुपद-समय (polynomial-time) समस्या में बदलने में निहित है, जो भौतिक स्पॉइलेज कानूनों द्वारा आरोपित विशिष्ट बीजगणितीय संरचना का लाभ उठाता है।

लेखक इस बात पर जोर देते हैं कि परिणामी शैडो प्राइस $\mu$ बुनियादी ढांचे के निवेश के लिए एक विश्वसनीय, लिप्सचिट्ज़-स्टेबल मात्रात्मक संकेतक के रूप में कार्य करता है। ह्यूरिस्टिक बेसलाइनों के विपरीत, HSDI एक गारंटीकृत वैश्विक इष्टतम (विशिष्ट शर्तों के तहत) और एक स्थिर ड्यूल वेरिएबल प्रदान करता है जिसका उपयोग नीति निर्माता उन बाजारों में क्षमता विस्तार को प्राथमिकता देने के लिए कर सकते हैं जहाँ थर्मल बाधाएं बाध्यकारी (binding) हैं। यह कार्य भौतिक सिद्धांतों (अरहेनियस काइनेटिक्स) को उन्नत अनुकूलन सिद्धांत (वेरिएशनल विश्लेषण और कॉनिक प्रोग्रामिंग) के साथ जोड़कर एक व्यावहारिक आपूर्ति श्रृंखला समस्या को हल करता है।

इसी तरह के और पेपर