Distributionally robust chance constrained Markov decision process with Kullback-Leibler divergence
本文研究具有随机回报和模糊分布的分布鲁棒机会约束马尔可夫决策过程,基于Kullback-Leibler散度模糊集推导了个体约束的易处理重构,并为联合约束设计了序列凸逼近与线搜索的混合算法,通过机器更换问题验证了有效性。
2023-07-29 math.OC
Non-convex relaxation and 1/2-approximation algorithm for the chance-constrained binary knapsack problem
针对机会约束二元背包问题,提出可多项式时间求解的非凸松弛(上界紧度不超最优值两倍)及基于该松弛的1/2多项式时间近似算法,可快速生成紧上下界。
2024-03-11 cs.DM math.CO math.OC
Joint chance-constrained programs and the intersection of mixing sets through a submodularity lens
在建模具有随机右侧和有限样本空间的联合线性机会约束规划时,一个特别重要的子结构是混合集与公共二元变量(可能还有背包约束)的交集。在本文中,我们首先通过建立一个强大的和以前未被识别的连接到子模块性,重新审视基本的混合集。特别地,我们证明了二元混合不等式只不过是与特定次模函数相关的多拟阵不等式。这种子模性的观点使我们能够统一和推广现有的有效不等式和凸包相交的混合集与共同的二元变量的结果。然后,我们研究了在一个附加的连接约束下的连续变量的线性函数的交集。这是出于利用通过分位数切割在联合线性CCP中产生的背包约束中编码的信息的期望。我们提出了一类新的有效不等式,并刻画了当这类新的不等式与混合不等式一起足以描述凸包时。
2021-06-28 math.OC
Deep-quantile-regression-based surrogate model for joint chance-constrained optimal power flow with renewable generation
联合机会约束最优潮流(JCC-OPF)是管理分布式可再生能源发电不确定性的有效工具。然而,大多数现有的工作是基于潮流方程,这需要准确的网络参数,可能是不可观测的,在许多配电系统。针对这一问题,提出了一种基于学习的可再生能源发电JCC-OPF代理模型。该模型等价地将联合机会约束转换为基于分位数的形式,并引入深度分位数回归来复制它们,其中多层感知器(MLP)用特殊的损失函数来训练以预测违反约束的分位数。另一个MLP被训练来预测预期的功率损耗。然后,通过将这两个MLP转化为混合整数线性约束,可以在不需要网络参数的情况下得到JCC-OPF。为了进一步提高其性能,两个预处理步骤,即,数据增强和校准。前者训练一个模拟器,以产生更多的训练样本,以提高预测精度的MLP。后者设计了一个正参数来校正MLP的预测,从而保证解的可行性。基于IEEE 33节点和123节点系统的数值实验表明,该模型可以同时实现理想的可行性和最优性,而不需要网络参数。
2022-04-11 math.OC
Joint Chance Constrained Optimal Control via Linear Programming
本文提出有限时域联合机会约束最优控制的线性规划形式,可处理不变性、可达性和到达—规避规范,并在有限空间中给出精确且更高效的求解,在连续空间中支持基函数近似。
2024-05-18 cs.SY eess.SY math.OC
A Joint Chance-Constrained Stochastic Programming Approach for the Integrated Predictive Maintenance and Operations Scheduling Problem in Power Systems
维护计划在不确定性条件下的电力系统运行中起着关键作用,可以帮助系统运营商确保电网的可靠性和安全性。本文研究了一种考虑发电机和输电线路意外故障可能性的短期状态检修计划与运行调度问题。我们制定这个问题作为一个两阶段的随机混合整数规划的故障情况下采样的传感器驱动的剩余寿命分布的个别系统元素,而一个联合的机会约束组成的泊松二项式随机变量被引入到故障风险。由于其棘手性,我们开发了一个割平面法,以获得一个确切的重新制定的联合机会约束,提出了一个分离子程序,并得出更强的削减作为这个过程的一部分。为了解决大规模的情况下,我们推导出一个二阶锥规划的安全近似这个约束。此外,我们提出了一个基于分解的算法,实现了并行的方式来解决由此产生的随机程序,利用整数L形方法的功能和特殊结构的维护和操作调度问题,以获得更强的最优切割。我们进一步提出了预处理步骤的传输线流量约束,以确定冗余。为了说明我们的算法的计算性能和效率相比,更传统的维护方法,我们设计了一个计算研究,重点是每周计划与日常维护和每小时的运营决策,涉及详细的单位承诺子问题。我们的计算结果表明,各种IEEE实例的计算效率所提出的方法与可靠的和具有成本效益的维护和运营计划。
2022-01-11 math.OC
Computing Optimal Joint Chance Constrained Control Policies
本文针对有限时间范围内受联合机会约束的随机马尔可夫系统,通过引入二元状态增广动力学,提出基于动态规划的可证明最优且易于计算的策略求解方法。
2024-11-21 cs.SY eess.SY math.OC
Sequential Chance Optimization For Flow-Tube Based Control Of Probabilistic Nonlinear Systems
本文研究了具有概率不确定性的非线性动力系统的闭环控制问题。更准确地说,我们设计的时变多项式反馈控制器,遵循给定的标称轨迹,也为了安全起见,保持在管周围的标称轨迹,尽管所有的不确定性。我们制定这个问题作为一个机会最优化问题,我们最大限度地实现控制目标的概率。为了解决长规划期的控制问题,我们将单个大机会优化问题表示为一系列小机会最优化问题。为了解决所得到的机会最优化问题,我们利用测度和矩的理论,并获得半定规划形式的凸松弛。我们提供了数值例子的不确定非线性系统的稳定控制器设计和运动规划,以说明所提出的方法的性能。
2019-12-07 math.OC
Data-Driven Chance Constrained Programs over Wasserstein Balls
我们提供了一个确切的确定性的重新制定的数据驱动的机会约束计划在Wasserstein球。对于单独的机会约束,以及联合机会约束与右手边的不确定性,我们的重新制定的混合整数圆锥规划。在Wasserstein球具有$1$ -范数或$\infty$ -范数的特殊情况下,锥是非负正交的,并且机会约束规划可以转化为混合整数线性规划。我们的重新比较有利的几个国家的最先进的数据驱动的优化方案在我们的数值实验。
2022-05-31 math.OC
Explicit Ensemble Learning Surrogate for Joint Chance-Constrained Optimal Power Flow
Louisiana State University(路易斯安那州立大学)
本文提出一种用于联合机会约束最优潮流的集成支持向量机代理模型,通过Big-M重构将多个线性分类器嵌入为超平面约束,在IEEE 118节点系统上实现近最优成本且误差仅0.03%,为电力系统风险感知优化提供了高效透明的工具。
2025-11-05 cs.SY eess.SY math.OC
Robust approximation of chance constrained optimization with polynomial perturbation
本文提出一种多项式机会约束优化的鲁棒近似方法,通过不确定性集替代机会约束,将其转化为线性锥优化,并提出半定松弛算法和启发式方法求解,数值实验验证了其有效性。
2024-08-24 math.OC
Chance constrained nonlinear fractional programming with random benchmark
本文研究具有随机基准的机会约束分式规划,在温和假设下推导凸重构,并应用分段线性和切线近似,通过经济应用问题的数值实验验证方法。
2023-12-23 math.OC
Chance-Constrained Covariance Steering for Discrete-Time Markov Jump Linear Systems
School of Aeronautics & Astronautics, Purdue University(普渡大学航空航天学院)
针对离散时间马尔可夫跳变线性系统,提出一种基于凸优化的两步框架,通过顺序优化均值和协方差子问题,并引入机会约束,利用KKT条件证明凸松弛在最优性下无损失,实现目标协方差跟踪。
2026-05-26 math.OC
Tight and Compact Sample Average Approximation for Joint Chance-constrained Problems with Applications to Optimal Power Flow
本文针对样本平均近似重构的机会约束问题,提出结合有效不等式、系数强化与约束筛选的精确求解方法,有效改善 Big-Ms 并缩减问题规模,在 DC Optimal Power Flow 中验证了其高效性。
2023-06-26 math.OC
Scheduling HVAC loads to promote renewable generation integration with a learning-based joint chance-constrained approach
通过灵活调度供热、通风和空调(HVAC)负荷等资源,可以有效促进分布式可再生能源发电(DRG)在配电网中的集成。然而,找到最佳的调度,他们是不平凡的,因为DRG输出是高度不确定的。为了解决这个问题,本文提出了一种基于学习的联合机会约束的方法来协调HVAC负荷与DRG。与采用单个机会约束来管理不确定性的前沿工作不同,本文采用联合机会约束(JCC)来控制所有关键约束的违反概率。这种联合方式可以根据运营商的偏好明确地保证整个系统的运行安全。为了克服JCC的棘手性,我们首先证明了JCC可以安全地近似鲁棒约束与适当的不确定性集。一个著名的机器学习算法,单类支持向量聚类,然后引入到这些强大的约束,构建一个足够小的多面体不确定性集。在强对偶的基础上,进一步构造了一个线性鲁棒对偶,以保证计算效率。基于各种分布不确定性的数值结果证实了所提出的方法的最优性和可行性的优势。
2022-09-30 cs.SY eess.SY math.OC
An Efficient Primal-Dual Approach to Chance-Constrained Economic Dispatch
为了有效地提高分布式和可再生能源在未来智能微电网中的集成,经济的能源管理是不可或缺的,具有重要意义。研究了孤岛模式下考虑需求侧管理的微网日前发电经济调度问题。针对多风电场多时段能量优化调度问题,以限制风电场失电概率风险为目标,建立了一个联合机会约束最优化问题。针对风力发电量时空联合分布问题,采用原对偶方法有效地获得了次优解。该方法是基于一阶最优性条件和逐步逼近的概率约束生成的p-有效点。数值结果证实了这种方法的优点。
2014-10-17 math.OC
A Scalable Stochastic Programming Approach for the Design of Flexible Systems
我们研究的问题,设计系统,以尽量减少成本,同时满足给定的灵活性目标。灵活性是通过强制执行联合机会约束,这确保了系统将表现出可行的操作与给定的目标概率水平。不幸的是,联合机会约束是复杂的数学对象,经常需要重新制定使用混合整数规划(MIP)技术。在这项工作中,我们投的设计问题作为一个冲突解决问题,寻求最小化成本,同时最大限度地提高灵活性。我们提出了一个纯粹的连续放松这个问题,提供了一个显着更具可扩展性的方法相对于MIP方法,并表明制定提供的解决方案,密切接近原始联合机会约束问题的帕累托集。
2021-06-24 math.OC
Strengthened and Faster Linear Approximation to Joint Chance Constraints with Wasserstein Ambiguity
University of Oxford(牛津大学);Hong Kong University of Science and Technology(香港科技大学)
本文提出一种强化且更快的线性近似方法,用于解决Wasserstein分布鲁棒联合机会约束问题,通过减少约束数量和紧缩可行域提升计算效率,并在电力系统单位调度和战略投标问题中实现显著加速。
2026-05-12 math.OC
Chance Constraint Tuning for Optimal Power Flow
在本文中,我们考虑一个机会约束的最优潮流问题的制定,以处理可再生能源发电和负荷变化所造成的不确定性。我们提出了一种调整方法,迭代之间解决近似的重新制定的最优化问题和使用后验样本为基础的评估,以完善重新制定。我们的方法是适用于单一和联合机会约束,不依赖于任何分布假设的不确定性。在IEEE 24节点系统的案例研究中,我们证明了我们的方法是计算效率和强制执行机会约束,而不会过度保守。
2020-05-27 math.OC
Nonconvex and Nonsmooth Approaches for Affine Chance-Constrained Stochastic Programs
机会约束规划是一类困难的随机规划,即使是简单的线性随机泛函也可能是不可微和非凸的。现有的求解CCP的方法主要处理概率函数中的凸随机泛函。在本文中,我们考虑两个推广的类机会约束在文献中普遍研究;一个推广涉及的概率析取非凸函数事件和其他推广涉及混合符号仿射组合的概率;一起,我们硬币术语仿射机会约束(ACC)系统这些广义机会约束。我们提出的这种ACC系统的处理涉及几个单独已知的想法的融合:(a)概率的期望公式中的指示函数的参数化上下近似;(b)外部(即,固定的)与内部的(即,顺序)基于采样的期望算子近似;(c)作为可行性松弛的约束惩罚;以及(d)通过替代的非凸性和不可微性的凸化。集成这些技术解决仿射机会约束随机规划(ACC-SP)与不同程度的实用性和计算工作是本文的主要贡献。
2022-03-01 math.OC
An Intersection Cutting Plane Algorithm for Chance-Constrained Programs with Finite Support
Clemson University(克莱姆森大学)
针对有限支撑机会约束规划中Big-M重构松弛弱、扩展性差的问题,提出两类交叉割及混合分离策略,在集成生产-分销规划实例上显著减少计算时间。
2026-09-29 math.OC
Receding-horizon Stochastic Model Predictive Control with Hard Input Constraints and Joint State Chance Constraints
Massachusetts Institute of Technology(麻省理工学院);University of California-Berkeley(加州大学伯克利分校)
本文研究离散时间线性系统在随机扰动、硬输入约束和联合状态机会约束下的随机优化控制,通过可解的二次锥规划计算滚动控制律,利用扰动参数化控制律并饱和扰动以满足硬约束,用Cantelli-Chebyshev不等式松弛机会约束,确保可行性并证明随机稳定性。
2015-06-28 cs.SY eess.SY math.OC
Solving Chance-Constrained Problems via a Smooth Sample-Based Nonlinear Approximation
本文提出了一种求解具有机会约束的非线性连续最优化问题的新方法。我们的方法是基于重新制定的概率约束作为分位数函数。分位数函数通过可微样本平均近似来近似。我们提供了理论上的近似统计保证,并说明经验,可以直接使用标准的非线性最优化求解器的情况下,单机会约束的重新制定。此外,我们提出了一个S $\ell_1$ QP型信赖域方法来解决联合机会约束的情况下。我们证明了几个问题的方法的性能,并表明,它的规模以及与样本量和平滑可以用来抵消偏差的机会约束近似引起的样本近似。
2020-03-14 math.OC
Multiple Joint Chance Constraints Approximation for Uncertainty Modeling in Dispatch Problems
针对电力系统调度中CVaR近似联合机会约束过于保守且可能导致不可行的问题,本文提出一种新的多重联合机会约束近似方法,可分别控制不同约束的风险水平,并结合数据驱动的分布鲁棒优化在多时段调度中验证了其优越性与实用性。
2024-04-01 cs.SY eess.SY math.OC
A dynamical neural network approach for distributionally robust chance constrained Markov decision process
针对分布鲁棒联合机会约束马尔可夫决策过程,本文利用对数变换推导确定性重构,并提出动态神经网络方法求解非凸优化问题,相比序列凸近似方法展现出更高效率。
2024-01-02 math.OC
Distributionally Robust Complex Chance-Constrained Optimization
Université Paris-Saclay, CNRS, CentraleSupélec(巴黎萨克雷大学、法国国家科学研究中心、中央理工-高等电力学院)
针对复变量机会约束优化问题,提出基于复椭圆对称分布的密度模型及矩、支撑集、数据驱动的分布鲁棒框架,将约束转化为凸二阶锥问题,并利用copula理论处理联合概率约束。
2026-05-22 math.OC
Multi-period facility location and capacity planning under $\infty$-Wasserstein joint chance constraints in humanitarian logistics
灾后人道主义物流的关键是建立一个良好的设施选址和能力规划模型,以便将救援物资及时运送到受灾地区。为了充分利用历史局部放电数据,本文采用数据驱动的分布鲁棒(DR)方法,提出了一种新的$\infty$联合机会约束下的多周期FLCP模型(MFLCP-W)。具体来说,我们顺序地决定从候选集的位置,以建立供应能力,这是扩大,如果更经济的设施,并使用有限数量的历史需求样本的机会约束,以确保高概率的按时交货。为了求解MFLCP-W模型,我们等价地将其重新表示为一个混合整数二阶锥规划,然后通过设计一个有效的外近似算法与两个定制的有效切割来求解它。最后,飓风威胁下的案例研究表明,MFLCP-W优于其同行的成本和服务质量方面,我们的算法收敛速度显着快于商业求解器CPLEX 12.8具有更好的最优性差距。
2021-11-30 cs.SY eess.SY math.OC
Distributionally Robust Joint Chance-Constrained Optimal Power Flow using Relative Entropy
针对机会约束最优潮流问题,提出基于分布式鲁棒优化的精确重构算法,证明其样本外鲁棒性最优,并在IEEE基准系统上验证有效性。
2025-01-21 cs.SY eess.SY math.OC
Optimal control under uncertainty with joint chance state constraints: almost-everywhere bounds, variance reduction, and application to (bi-)linear elliptic PDEs
本文研究不确定性下带联合机会状态约束的PDE最优控制,证明几乎处处界存在唯一性,并利用球面-径向分解显著降低蒙特卡洛估计方差,数值验证于线性和双线性椭圆PDE。
2025-03-30 cs.NA math.NA math.OC
Joint identification via deconvolution of the flux and energy relaxation kernels of the Gurtin-Pipkin model in thermodynamics with memory
本文提出了一种线性化的方法,用于识别M.E. Gurtin和A.G.皮普金该方法减少了两个内核的识别两个(线性)反卷积问题的解决方案。通过能量测量将能量弛豫核重构为第一类Volterra积分方程的解,该积分方程不依赖于仍然未知的通量弛豫核。然后,通量测量用于识别通量松弛核。
2017-10-19 math.OC
Chance Constrained Mixed Integer Program: Bilinear and Linear Formulations, and Benders Decomposition
本文研究了有限离散情景集上的机会约束混合整数规划问题。通过研究一个非传统的双线性混合整数公式,我们得到了它的线性对应公式,并表明它们可能比现有的线性公式更强。我们还开发了一个变种的詹森不等式,扩展了随机规划。为了解决这个具有挑战性的问题,我们提出了一个变种的Benders分解方法的双线性型,这实际上提供了一个易于使用的算法框架,进一步改进,以及一些增强策略的基础上的结构特性或詹森不等式。计算结果表明,Benders分解方法与相应的增强技术相结合,在求解机会约束规划或检测其不可行性方面的性能比商业求解器提高了数量级.
2014-05-31 math.OC
Distributionally Robust Geometric Joint Chance-Constrained Optimization: Neurodynamic Approaches
Université Paris-Saclay, CNRS, CentraleSupélec, Laboratoire des signaux et systèmes(巴黎萨克雷大学,法国国家科学研究中心,中央圣艾尔布费尔学院,信号与系统实验室);ENAC, OPTIM(法国国家航空与航天研究中心,优化部门);Université Paris-Saclay, CNRS, CentraleSupélec, Fédération de Mathématiques de CentraleSupélec(巴黎萨克雷大学,法国国家科学研究中心,中央圣艾尔布费尔学院,中央圣艾尔布费尔学院数学联合会)
本文提出一种双时间尺度神经动力学双倍方法,解决分布鲁棒几何联合概率约束优化问题,通过三种不确定性集设计,利用神经网络在概率意义上收敛到全局最优解。
2026-03-14 cs.AI cs.NE math.OC
Joint Chance-constrained Game for Coordinating Renewable Microgrids with Service Delivery Risk: A Bayesian Optimization Approach
本文针对可再生能源微电网在备用服务中因不确定性导致的合同违约风险,提出基于分布鲁棒联合机会约束的非合作博弈框架,并利用贝叶斯优化逼近最优违约率与市场均衡,在加州市场数据仿真中验证了其调控联合违约率和保障微电网利润的有效性。
2024-02-26 cs.CE math.OC
Three-Layer Joint Distributionally Robust Chance-Constrained Framework for Optimal Day-Ahead Scheduling of E-mobility Ecosystem
交通运输部门中大量的电动汽车(EV)需要一个先进的调度框架,用于整个电动汽车生态系统的运营,以克服里程焦虑并为充电站(CS)创建可行的商业模式。该框架必须考虑到所有利益相关者运营的随机性,包括电动汽车司机,CS和零售商及其相互作用。本文提出了一种三层联合分布式鲁棒机会约束(DRCC)模型,用于规划电动汽车生态系统日前的G2V和V2G运行。所提出的随机模型不依赖于随机参数的特定概率分布。为了解决这个问题,提出了一个迭代过程中使用联合DRCC制定。为了实现计算的可追溯性,精确的重新实现双边和单边的机会约束(CC)。此外,时间相关性的不确定光伏发电的CS运行的影响。基于美国旧金山的真实数据,对一个由3家零售商、9家CS和600辆电动汽车组成的生态系统进行了仿真研究。仿真结果表明,这种调度方法的必要性和适用性的电动汽车生态系统在一个不确定的环境,通过将未能到达目的地的独特电动汽车数量从272减少到61。
2021-10-23 cs.SY eess.SY math.OC
Distributionally Robust Joint Chance-Constrained Optimization for Electricity Imbalance: Integrating Renewables and Storage
本文提出一种分布鲁棒联合机会约束优化框架,结合Wasserstein模糊集、CVaR近似和隐私保护ADMM算法,并利用K-means聚类调整模糊集,以促进P2P能源交易并降低峰值需求与社区成本。
2025-07-09 cs.SY eess.SY math.OC
Bilevel Transmission Expansion Planning with Joint Chance-Constrained Dispatch
针对含风电不确定性的双层输电扩展规划问题,提出带下层联合机会约束市场出清的新框架,及处理对应分布鲁棒约束的强化线性近似技术,在保证求解质量下实现最高26倍的计算加速。
2025-05-16 cs.SY eess.SY math.OC
Chance Constrained Stochastic Optimal Control for Linear Systems with Time Varying Random Plant Parameters
本文针对状态矩阵含时变随机参数的线性系统,利用单侧Vysochanskij-Petunin不等式将联合机会约束转化为可处理形式,提出一种开环控制方案,并在双母线电力系统中验证其求解时间优于情景方法。
2023-03-22 cs.SY eess.SY math.OC
Chance-Constrained Optimization with Complex Variables
本文提出复机会约束问题(CCCP)形式化方法,将个体概率约束转化为等价的二阶锥规划问题,联合概率约束通过上下界近似,并在MVDR波束成形实验中验证了优于现有方法。
2025-04-03 math.OC math.PR
Wasserstein Two-Sided Chance Constraints with An Application to Optimal Power Flow
机会约束(CC)作为一种自然的方法来建模系统的安全条件,寻求满足一组不确定的不等式单独或联合的高概率。虽然联合CC提供更强的可靠性证书,但它通常比单个CC更具挑战性。受最优潮流应用的启发,我们研究了一种特殊的联合CC,称为双边CC。我们通过一个Wasserstein球模型的不确定参数集中在一个高斯分布,并推导出一个层次的保守近似的基础上二阶圆锥约束,这可以有效地计算现成的商业求解器。此外,我们证明了这些近似的渐近一致性,并推导出它们的近似保证时,只有一个有限的层次。我们证明了所提出的模型和近似的情况下,基于IEEE 118总线和3120总线系统的样本外的性能和可扩展性。
2022-04-01 cs.SY eess.SY math.OC
Convex Relaxations of Maximal Load Delivery for Multi-contingency Analysis of Joint Electric Power and Natural Gas Transmission Networks
近年来燃气发电的增加增加了天然气和输电系统之间的相互依赖性。这些相互依赖性放大了天然气和电网的现有脆弱性,其中中断可能需要削减一个或两个系统的负载。虽然这些系统通常独立运行,但在严重中断期间协调这些系统可以有针对性地提供生命线服务,包括为住宅供暖提供天然气和为关键设施提供电力。为了解决的挑战,估计最大的联合网络容量下,这种中断,我们考虑的任务,确定可行的稳态运行点严重受损的系统,同时确保最大的天然气和电力负荷的同时,数学上表示为非凸联合最大负荷输送(MLD)问题。为了增加其易处理性,我们提出了一个混合整数凸松弛的MLD问题。然后,为了证明放松的有效性,在确定网络容量的界限,精确和放松的MLD配方进行比较,在各种多应急情况下,9个联合网络的大小从25到1,191个节点。基于松弛的方法被观察到,以准确和有效地估计严重的联合网络中断的影响,往往收敛到放松的MLD问题的全球最优解在十秒内。
2021-08-27 math.OC
Bayesian Joint Chance Constrained Optimization: Approximations and Statistical Consistency
Texas A& M University(得克萨斯农工大学);Purdue University(普渡大学)
本文研究贝叶斯框架下机会约束随机优化问题,证明使用近似后验分布所得最优值具有频率学派统计一致性并给出概率收敛速率,同时证明问题的凸可行性,并在M/M/c排队模型上验证了方法有效性。
2022-10-01 cs.LG math.OC math.ST
Convex Chance-Constrained Programs with Wasserstein Ambiguity
本文研究Wasserstein模糊集下机会约束规划的凸性条件,针对悲观联合机会约束和双边机会约束分别给出基于对数凹/α-凹分布和椭圆星单峰分布的凸性充分条件,并提出块坐标上升算法与二阶锥内近似方法。
2025-03-12 math.OC
Linear Controller Design for Chance Constrained Systems
Swiss Federal Institute of Technology Zurich(苏黎世联邦理工学院);University of Oxford(牛津大学)
本文针对带平稳加性扰动的线性系统,提出一种基于凸半定规划的平稳运行模式下线性状态反馈控制器设计方法,可处理多类机会约束,支持高斯扰动优化与输出反馈扩展,灵活易实现。
2014-12-08 math.OC
Joint Chance Constrained Safe-Optimal Control
ETH Zürich(苏黎世联邦理工学院);University of Stuttgart(斯图加特大学);Gymnasium Burgdorf(堡多夫中学);Swiss Institute for Empirical Economic Research (SEW), University of St.Gallen(圣加仑大学瑞士实证经济研究所)
针对轨迹安全概率约束的随机系统有限时域最优控制问题,提出仅最小化安全轨迹期望成本的方法,通过增广状态空间的约束马尔可夫决策过程求解,并推导网格近似误差下的安全边界。
2026-07-01 cs.SY eess.SY math.OC
Distributionally Robust Chance-Constrained Programs with Right-Hand Side Uncertainty under Wasserstein Ambiguity
我们考虑Wasserstein模糊集上随机右端分布鲁棒机会约束规划的精确确定性混合整数规划(MIP)重构问题.已知现有的MIP公式具有弱的连续松弛边界,因此,对于具有小半径或具有大问题大小的硬实例,基于分支定界的求解过程即使在数小时的计算时间之后也会遭受大的最优性间隙。这严重阻碍了DR-CCP范式的实际应用。出于这些挑战,我们进行了多面体的研究,以加强这些配方。我们揭示了DR-CCP和它的名义对应(样本平均近似),混合集,和强大的0-1规划之间的几个隐藏的连接。通过结合利用这些连接,我们提供了一个改进的配方和两类有效的不等式DR-CCP。我们测试的影响,我们的结果上的随机运输问题数值。我们的实验证明了我们的方法的有效性,特别是我们改进的配方和提出的有效的不等式显着减少整体解决方案的时间。此外,这使我们能够通过将解决时间从数小时减少到数秒来显着扩大可以在这种DR-CCP公式中处理的问题大小。
2020-12-07 math.OC
Eventual convexity for separable chance constraints with skewed generalized hyperbolic random variables
CNRS(法国国家科学研究中心);Laboratory of signals and systems(信号与系统实验室)
本文证明了偏斜广义双曲随机变量下机会约束的最终凸性,通过密度α-递减性质获得精确凸重构,并数值验证了可行集凸性与计算可行性。
2026-09-15 math.OC math.PR
Importance sampling approach to chance-constrained DC optimal power flow
尽管有显著的经济和生态影响,但更高水平的可再生能源发电导致电力注入的不确定性和可变性增加,从而影响电网的可靠性。为了提高电网安全性,研究了联合机会约束直流最优潮流问题。该问题的目的是找到经济上最佳的发电,同时保证所有的发电,线路流量和电压同时保持在其范围内与预定义的概率。不幸的是,即使可再生能源波动的分布是指定的,这个问题在计算上是棘手的。此外,现有的联合CC最优潮流问题的近似解过于保守,因此对实际操作的价值不大。本文提出了一种重要性采样的CC DC最优潮流问题的方法,它产生更好的复杂性和准确性比目前的最先进的方法。该算法有效地减少了场景的数量,只生成和使用其中最重要的,从而使实时解决方案的测试用例多达几百个总线。
2021-11-23 math.OC stat.CO
Distributionally robust polynomial chance-constraints under mixture ambiguity sets
给定$X \subset R^n$,$\varepsilon \in (0,1)$,$Ω\subset R^p$上的概率分布$(μ\_{a})\_{a\in A}$的参数化族,我们考虑与{ \em分布鲁棒}机会约束\[X^*\_\varepsilon\,=\,\{x \in X :\:{\rm Prob}\_μ[f(x,ω)\,>\,0]> 1-\varepsilon,\,\forallμ\in M\_a\},\]相关联的可行集$X^*\_\varepsilon\subset X$,其中$M\_a$是分布$μ\_a$,$a\in A$的所有可能混合的集合。族$M\_a$是在某个紧集$A\subset R^2$中具有平均值和标准差$a=(a,σ)$的$R$上的所有高斯分布的混合的集合。我们提供了一个内近似序列$X^d\_\varepsilon=\{x\in X: w\_d(x) <\varepsilon\}$,$d\in N$,其中$w\_d$是一个次数为$d$的多项式,其系数向量是半定规划的最优解,半定规划的最优解的大小随次数$d$的增加而增加。我们还获得了强大的和非常理想的渐近保证,$λ(X^*\_\varepsilon\setminus X^d\_\varepsilon)\to0$作为$d$增加,其中$λ$是Lebesgue措施$X$。对于分布鲁棒“联合”机会约束的更复杂的情形…
2018-11-22 math.OC
Distributionally Robust Chance Constrained Optimal Power Flow Assuming Unimodal Distributions with Misspecified Modes
机会约束最优潮流(CC-OPF)公式已被提出,以最大限度地减少运营成本,同时控制风险所产生的不确定性,如可再生能源发电和负荷消耗。为了求解CC-OPF,我们通常需要获得所有不确定性的(真实)联合概率分布,这在实践中很少知道。基于分布的有偏估计的解决方案可能导致可靠性差。为了克服这一挑战,最近的工作已经探索了分布鲁棒的机会约束,其中机会约束在称为模糊集的分布族上得到满足。通常,模糊度集合仅基于矩信息(例如,均值和协方差);然而,指定随机变量的附加特征会降低保守性和成本。在这里,我们考虑的模糊集,另外纳入单峰信息。在实践中,很难从数据中估计模式位置,因此我们允许它可能被错误指定。我们制定的问题,并推导出一个基于分离的算法,以有效地解决它。最后,我们评估所提出的方法的性能修改后的IEEE-30总线网络风的不确定性,并与其他分布式鲁棒方法进行比较。我们发现,一个错误指定的模式显着影响解决方案的可靠性和所提出的模型表现出良好的成本和可靠性之间的权衡。
2018-09-19 math.OC
Chance Constrained Stochastic Optimal Control for Linear Systems with a Time Varying Random Control Matrix
针对控制矩阵随机的线性系统,本文提出一种基于单侧Vysochanskij-Petunin不等式的开环机会约束最优控制方法,将联合机会约束转化为双凸约束,并在航天器交会任务中验证其优于场景法和Cantelli矩方法。
2023-08-12 cs.SY eess.SY math.OC
Beyond Chance-Constrained Convex Mixed-Integer Optimization: A Generalized Calafiore-Campi Algorithm and the notion of $S$-optimization
由Calafiore和Campi开发的攻击机会约束凸规划的情景方法利用对不确定性参数的随机采样来用具有$N$凸约束的代表性连续凸优化代替原始问题,该凸优化是原始问题的松弛。Calafiore和Campi提供了一个明确的估计的大小$N$的抽样松弛,以产生高似然可行的解决方案的机会约束问题。他们测量了由大小$N$松弛的随机最优解违反原始约束的概率。本文有两个主要贡献。首先,我们提出了一个推广的Calafiore-Campi结果的整数和混合整数变量。事实上,我们证明,他们的抽样估计工作自然的变量限制到$\mathbb R^d$的一些子集$S$。关键元素是Helly定理的推广,其中凸集必须与$S \subset \mathbb R^d$相交。两种算法中的样本量将直接由$S$-Helly数决定。出于上半部分的文件,对于任何子集$S \subset \mathbb R^d$,我们介绍了一个$S$优化问题的概念,其中变量的值超过$S$。它推广了连续、整数和混合整数优化。我们举例说明的表达能力的$S$优化捕捉复杂的组合最优化问题与困难的模块化约束。我们加强了证据表明,$S$优化是"正确的概念",通过显示,著名的随机抽样算法的K。Clarkson关于低维凸优化问题的方法可以推广到在$S$上取值的变量。
2015-08-22 math.CO math.MG math.OC
Robust and Flexible Microtransit Design: Chance-Constrained Dial-a-Ride Problem with Soft Time Windows
本文提出带软时间窗的机会约束拨号乘车问题(CCDARP-STW)微公交框架,结合时间灵活性与需求不确定性,利用有界支撑松弛线性化机会约束,并采用带概率支配规则的BCP算法求解,有效提升了计算效率与服务可靠性。
2025-06-25 math.OC
Flipping-based Policy for Chance-Constrained Markov Decision Processes
Osaka University(大阪大学);LY Corporation(LY公司);Norwegian University of Science and Technology(挪威科技大学)
针对机会约束马尔可夫决策过程,提出基于翻转的动作选择策略,证明其在最优解集中的存在性,将联合机会约束近似为期望累积安全约束,适配约束策略优化框架,在Safety Gym基准上提升了现有安全RL算法的性能。
2024-10-09 cs.LG math.OC
Covariance Steering with Optimal Risk Allocation
本文将线性随机系统在机会约束下的最优协方差控制问题推广到最优风险分配问题。以往的工作都假设一个统一的风险分配铸造的最优控制问题作为一个半定规划(SDP),它可以有效地解决使用标准的SDP求解器。我们采用迭代风险分配(IRA)的形式主义,它使用两个阶段的方法来解决最优的风险分配问题的协方差导向。IRA的上层优化风险,这被证明是一个凸问题,而下层优化控制器与新的约束。这是迭代完成的,以便找到实现最低总成本的最佳风险分配。所提出的框架的解决方案,往往最大限度地提高终端协方差,同时仍然满足机会约束,从而导致保守的解决方案比以前的方法。我们还引入了两种新的凸松弛法来近似二次机会约束的二阶锥约束。最后,我们展示了航天器交会问题的方法,并比较结果。
2021-04-12 math.OC