Tightening CVaR Approximations via Scenario-Wise Scaling for Chance-Constrained Programming
The Hong Kong University of Science and Technology(香港科技大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
本文提出一种场景加权缩放方法,用于提升机会约束规划中CVaR近似的精度,通过引入场景权重因子,建立更紧的内近似,并证明在合适选择权重时,可达到原问题最优解。
2026-03-30 math.OC
Distributionally Robust Joint Chance-Constrained Programming with Wasserstein Metric
在本文中,我们开发了一个精确的重新制定和一个确定性近似的分布鲁棒联合机会约束规划(DRCCP)与一般类的凸不确定性约束下的数据驱动Wasserstein模糊集。已知鲁棒机会约束可以保守地近似为最坏情况条件风险价值(CVaR)约束。结果表明,所提出的最坏情况CVaR近似模型可以转化为一个联合DRCCP的双凸约束最优化问题.然后,我们推导出一个凸松弛的近似模型,通过构造新的决策变量,使我们能够消除双凸项。具体地说,当约束函数是仿射的决策变量和不确定性,然后得到的近似模型是相当于一个易于处理的混合整数凸联合二进制DRCCP重新制定。数值结果表明了所提出的公式的计算有效性和优越性。
2022-09-05 math.OC
Beyond Ellipsoids: Semi-Algebraic Tightening for Chance Constraints Under Actuator Saturation
Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);Grenoble INP(格勒诺布尔理工学院);CNRS(法国国家科学研究中心)
针对有饱和输入和无界干扰的机会约束系统,提出半代数方法收紧约束,利用饱和误差动态的分段仿射结构,通过平方和优化设计李雅普诺夫函数,优化集合几何,数值例展示了设计有效性。
2026-09-29 cs.SY eess.SY math.OC
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
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
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
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
Robustifying Model Predictive Control of Uncertain Linear Systems with Chance Constraints
本文提出一种针对受机会约束的离散时间线性系统的鲁棒模型预测控制方法,通过计算多面体概率正不变集来收紧约束,仅需扰动均值和协方差,保证机会约束满足,且优化问题为标准严格二次规划。
2024-09-19 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
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
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
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
On Approximations of Data-Driven Chance Constrained Programs over Wasserstein Balls
分布鲁棒机会约束规划是在满足一个或多个高概率安全条件的条件下,在已知影响安全条件的不确定问题参数的概率分布属于某个模糊集的情况下,最小化确定性费用函数的一类规划.我们研究了Wasserstein球上分布鲁棒机会约束规划的三种流行的近似方案,其中模糊集包含到参考分布的一定Wasserstein距离内的所有概率分布。第一个近似用条件风险值的边界代替机会约束,第二个近似通过Bonferroni不等式来简化不同的安全条件,第三个近似限制安全条件的预期违反,从而满足机会约束。我们表明,条件风险值近似可以被描述为一个紧密的凸近似,这补充了经典(非鲁棒)机会约束的早期研究结果,我们提供了一个新的解释,在运输节省。我们还表明,这三个近似值可以任意执行数据驱动的设置不佳,而且它们通常是彼此不可比较的。
2022-11-20 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
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
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
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
Stochastic Model Predictive Control with Dynamic Chance Constraints
针对受无界随机扰动的线性离散系统,提出通过概率可达管与约束紧缩求解两阶段随机优化的动态机会约束SMPC方案,保证递推可行性与闭环约束满足。
2023-07-25 cs.SY eess.SY math.OC
Chance Constraints Integrated MPC Navigation in Uncertainty amongst Dynamic Obstacles: An overlap of Gaussians approach
在本文中,我们制定了一个新的轨迹优化计划,考虑到状态的不确定性的机器人和障碍物到其避碰例程。在不确定性下的避碰建模为两个分布,分别代表机器人和障碍物的状态之间的重叠。我们采用极大极小化方法来刻画两个高斯分布的重叠面积,并与巴塔查里亚距离方法进行了比较。我们提供了封闭形式的表达式,可以表征的重叠控制的功能。我们提出的算法可以避免重叠的不确定性分布在两种可能的方式。首先,当需要避免的规定重叠区域被设定为置信度轮廓下界时,控制命令相应地通过MPC框架实现,使得这些边界被遵守。其次,在紧密空间中计算控制命令,使得重叠分布遵守由置信度轮廓的下限和上界表征的预定重叠范围。我们测试我们的建议与各种约束环境配置下进行了广泛的模拟集。我们展示了在狭窄空间下的建议的实用性,在那里找到具有最小风险行为的控制策略成为一项不可避免的任务。
2018-06-26 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
On Distributionally Robust Chance Constrained Programs with Wasserstein Distance
本文研究了Wasserstein模糊集下的分布鲁棒机会约束规划(DRCCP),其中不确定性约束应满足:对于离经验分布一定Wasserstein距离内的所有不确定性参数的概率分布,其概率至少满足给定的阈值.在这项工作中,我们研究等价的重新和近似的这样的问题。首先,我们证明了DRCCP可以被重新表述为一个条件风险值约束的最优化问题,从而承认紧密的内部和外部近似。通过引入大M系数和附加二元变量,证明了有界可行域的DRCCP是混合整数可表示的。对于具有纯二元决策变量的DRCCP,通过探索其子模结构,证明了它存在一个大M自由公式,并可通过分支切割算法求解.最后,我们提出了一个数值研究来说明所提出的配方的有效性。
2020-02-14 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
Computationally Efficient Covariance Steering for Systems Subject to Parametric Disturbances and Chance Constraints
本文研究了同时具有加性和乘性不确定性以及状态和输入机会约束的离散线性系的有限时域最优协方差操纵问题。特别是,一个易于处理的凸近似的最佳协方差转向问题的机会约束收紧,并通过引入一个合适的变量变量变换。凸近似的解决方案被证明是一个有效的(虽然潜在的次优)解决方案,原来的机会约束的协方差转向问题。
2023-01-18 cs.SY eess.SY math.OC
A Chance Constraint Predictive Control and Estimation Framework for Spacecraft Descent with Field Of View Constraints
近年来对小天体附近航天器的最优化方法和GNC的研究主要集中在下降、着陆、交会等方面,与关键的安全约束,如视线圆锥区和软着陆已显示出可喜的成果,本文认为下降任务的小行星表面的约束,包括机载相机和小行星表面标记,同时使用随机凸MPC法。建立了一个欠建模的小行星重力和航天器技术启发的测量模型,以发展的约束。然后提出了一种计算量小的随机线性二次型预测控制策略,利用基于机会的约束和最新的导航估计不确定性,使航天器在轨迹跟踪时保持在满意的表面标记视场内。估计的不确定性引起的收紧的约束,特别是解决。结果表明,强大的跟踪性能在各种轨迹。
2020-05-21 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
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
Using Uncertainty Data in Chance-Constrained Trajectory Planning
ETH Zurich(苏黎世联邦理工学院)
本文研究了在存在不确定位置障碍物的环境中进行轨迹规划问题,提出了一种在线学习分布矩的方法,并通过紧致的混合整数凸改写方法得到可行解,应用于自动驾驶领域。
2021-01-10 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
PoBO: A Polynomial Bounding Method for Chance-Constrained Yield-Aware Optimization of Photonic ICs
传统的成品率优化算法试图在工艺变化下最大化电路的成功率。这些方法通常获得高成品率,但达到的设计性能远离最优值。本文研究了另一种光子集成电路的成品率感知优化:我们将优化电路设计性能,同时确保高成品率要求。该问题最近被表述为一个机会约束优化问题,并利用统计矩将机会约束转化为更强的约束。这种转换减少了可行集,有时会导致过度保守的设计。为了解决这一根本性的挑战,本文提出了一个精心设计的多项式函数,称为最佳多项式亲属关系函数,以更准确地界定机会约束。我们通过放松独立性和凸性要求来修改现有的亲属关系函数,这适合于我们更一般的不确定性模型,并收紧了边界函数。所提出的方法,使一个全局最优值搜索的设计变量,通过多项式优化。我们用一个合成函数和两个光子集成电路设计基准验证了这种方法,表明我们的方法可以获得更好的设计性能,同时满足预定的成品率要求。许多其他先进的问题,产量感知优化和更一般的安全关键设计/控制可以解决基于这项工作在未来。
2021-12-18 math.OC
Chance constraints transcription and failure risk estimation for stochastic trajectory optimisation
ISAE-SUPAERO(法国国立高等航空航天学院);University of Auckland(奥克兰大学)
本文提出两种通用机会约束转录方法,用于不确定环境下多维高斯机会约束的轨迹优化问题,通过改进的首次级方法和谱半径方法提升约束满足的紧度和鲁棒性,同时在高维情况下提供更准确的风险估计。
2026-04-30 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
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
Trajectory Planning Under Environmental Uncertainty With Finite-Sample Safety Guarantees
我们解决的问题,轨迹规划的环境中由一组障碍物与不确定的时变位置。使用广泛接受的高斯分布的不确定性建模,从而在一个机会约束的程序。然而,与以前的方法相反,我们不假设完美的知识的分布的时刻,而是通过有限的样本从传感器或过去的数据来估计它们。我们得到严格的浓度范围内的错误,这些估计,以充分收紧的机会约束程序。因此,我们提供了可证明的保证满足相应的机会约束的名义尚未未知的时刻。我们用两个自主车辆轨迹规划案例研究来说明我们的结果。
2021-08-13 cs.SY eess.SY 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
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
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
Stochastic Data-Driven Predictive Control: Chance-Constraint Satisfaction with Identified Multi-step Predictors
提出一种数据驱动随机MPC框架,通过辨识多步预测器、代理状态空间模型量化不确定性并进行约束收紧,在含噪测量下保证机会约束并降低保守性。
2025-03-15 cs.SY eess.SY math.OC
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