A Practical Guide to Robust Optimization
鲁棒优化是近15年来发展起来的一个年轻而活跃的研究领域。鲁棒优化对于实践非常有用,因为它是根据手头的信息量身定制的,并且它导致计算上易于处理的公式。因此,值得注意的是,鲁棒优化的实际应用仍然落后;实际应用的潜力比迄今为止已经开发的要大得多。本文的目的是帮助从业人员理解鲁棒优化,并成功地将其应用于实践。我们简要介绍了鲁棒优化,并描述了在实践中使用它的重要注意事项。我们用许多小例子来说明我们的讨论。
2015-01-12 math.OC
ROC++: Robust Optimization in C++
鲁棒优化是解决不确定性影响下的决策问题的一种非常流行的方法。它的成功得益于其具有吸引力的鲁棒性和可扩展性,易于建模,以及对不确定参数的有限假设,以产生有意义的解决方案。鲁棒优化技术可以解决涉及实值和/或二元决策以及外源和/或内源不确定参数的单阶段和多阶段决策问题。这些技术中的许多适用于具有鲁棒(最坏情况)或随机(期望)目标的问题,因此可以根据决策者的风险偏好进行调整。鲁棒优化技术依赖于对偶理论(可能用近似来增强),将半无限最优化问题转换为良性复杂性的有限程序("鲁棒对应物“)。虽然写下鲁棒或随机最优化问题的模型通常是一项简单的任务,但获得鲁棒对应物需要鲁棒优化方面的专业知识。到目前为止,很少有解决方案,可以促进建模和解决这些问题。这一直是它们实际应用的主要障碍。在本文中,我们提出了ROC++,一个基于C++的自动鲁棒优化平台,适用于各种各样的单阶段和多阶段的随机和鲁棒问题与外源性和内源性的不确定参数。我们还提出了ROB文件格式,概括了LP文件格式的鲁棒优化。我们的平台可以帮助研究人员和从业人员简化随机和鲁棒最优化问题的建模和解决方案。它附带了详细的文档,以方便其使用和扩展。ROC++是免费分发用于学术用途。
2020-06-15 math.OC
Approaches for Biobjective Integer Linear Robust Optimization
针对双目标混合整数线性鲁棒优化中鲁棒有效解求解方法不足的问题,本文提出三种结合二分搜索、optimization-pessimization 与对偶性的算法,并通过线性及整数线性实例验证其优劣。
2023-11-03 math.OC
Characterizations of robust and stable duality for linearly perturbed uncertain optimization problems
我们引入了一个强大的最优化模型,包括在一个家庭的扰动函数引起的某些对双最优化问题,其中的对偶变量取决于不确定性参数。我们的方法的兴趣是说明了一些例子,包括不确定锥优化和无限优化通过离散化。主要结果通过涉及目标函数的ε-极小值或ε-次微分的公式来刻画理想的鲁棒对偶关系(如鲁棒零对偶间隙)。详细分析了两种极端情况,即通常的扰动对偶(无不确定性)和函数上确界的对偶(对偶参数为零)。
2018-03-13 math.OC
Enhancing kidney transplantation through multi-agent kidney exchange programs: A comprehensive review and optimization models
Wayne State University(韦恩州立大学)
本文综述肾脏交换项目研究进展,提出三个优化模型,其中多智能体模型在保证公平性的同时平衡移植数量与质量,为集成肾脏交换系统提供参考。
2025-02-10 cs.AI math.OC
Robust optimization for the pooling problem
池化问题具有应用,例如,在石油化工精炼、水网络和供应链中,并在全局优化中得到广泛研究。到目前为止,它在很大程度上被确定性地对待,忽略了参数不确定性的影响。本文应用两种鲁棒优化方法,重构和切割平面,非线性,非凸池问题。鲁棒优化的大多数应用都是凸或混合整数线性问题。我们探讨了鲁棒优化的全局最优化问题的背景下,这是凹的不确定的参数,考虑不确定的入口浓度的池化问题的适用性。我们比较了计算效率的重新和切割平面的方法为三个常用的不确定性集的几何形状的14个池化问题的实例,并演示了如何占不确定性改变的最优解。
2019-06-18 math.OC
Generalized Ordered Weighted Aggregation Robustness to Solve Uncertain Single Objective Optimization Problems
鲁棒优化的目标是从一组点中找到最优点,这些点对于给定的不确定集合的每一种可能的情况都是可行的。鲁棒最优化问题的最优解通常是通过最小-最大鲁棒对应问题或最坏情况下的最佳分析来找到的。在这篇文章中,我们介绍了一个新的对应的帮助下,广义有序加权聚合(GOWA)算子来解决不确定的单目标最优化问题。在介绍了GOWA鲁棒性的基础上,分析了GOWA鲁棒目标函数的一些基本性质,如连续性、单调性、连续性、局部Lipschitz性和次微分正则性。还提供了一种计算GOWA鲁棒目标函数的Clarke次微分的方法。我们讨论了GOWA鲁棒性概念与其他现有鲁棒性--脆弱鲁棒性、高度鲁棒性、最小-最大鲁棒性、轻鲁棒性和最小-最小鲁棒性--之间的关系。我们表明,在特定的情况下,GOWA鲁棒性降低到常用的最小-最大鲁棒性。整个文件是支持几个几何和数值插图。
2024-10-04 math.OC
Utopia point method based robust vector polynomial optimization scheme
本文针对无凸性假设的鲁棒向量多项式优化问题,提出结合乌托邦点标量化与“联合+边际”松弛的求解方案,并兼顾理论与计算分析。
2022-09-11 math.OC
Decision-dependent Distributionally Robust Optimization
本文提出了一种新的分布鲁棒优化方法,利用$p$ -Wasserstein度量,分析了一般情况下的随机规划。该方法中的模糊度集取决于决策变量,并且被表示为球,其中中心和半径都取决于决策变量。我们表明,根据Lipschitz的假设的目标函数,我们的方法可以重新表述为有限维最优化问题,这有时是凸的。此外,我们数值上比较我们提出的方法与标准制定的分布鲁棒优化,通常不使用依赖于决策变量的模糊集,在投资组合优化的背景下。
2023-03-07 math.OC
DualMS: Implicit Dual-Channel Minimal Surface Optimization for Heat Exchanger Design
Shandong University(山东大学);Tsinghua University(清华大学);Institute of Engineering Thermophysics, Chinese Academy of Sciences(工程热物理研究所,中国科学院)
该研究提出DualMS框架,突破TPMS的预定义方程限制,通过图约束最大割与神经网络分类的方法,优化自由形状双流体换热器的最小曲面,在同成本下实现相近换热速率与更低压降。
2025-05-19 cs.GR cs.LG math.OC
Distributionally Robust Optimization with Polynomial Robust Constraints
针对带多项式鲁棒约束的 DRO,本文提出 Moment-SOS 松弛方法,将其转化为带半定约束的线性锥优化,并给出 SOS-凸等价性及非凸全局求解条件,数值实验验证了效率。
2025-05-12 math.OC
A Unified Theory of Robust and Distributionally Robust Optimization via the Primal-Worst-Equals-Dual-Best Principle
本研究基于广义“原最坏等于对偶最优”原理构建鲁棒与分布鲁棒非线性优化的统一理论,建立两类问题的强对偶性与有限凸重构,推广了Wasserstein模糊集合的相关结果。
2023-07-19 math.OC
Robust Optimization Approach for Solving Uncertain Multiobjective Optimization Problems Using the Projected Gradient Method
本文将投影梯度法扩展至不确定多目标优化问题,结合逐目标最坏情况代价构建鲁棒对等模型,提出投影梯度下降算法并证明其收敛到鲁棒弱Pareto最优解,数值实验验证了方法有效性。
2025-03-09 math.OC
Global Convergence and Rate Analysis of the Steepest Descent Method for Uncertain Multiobjective Optimization via a Robust Optimization Approach
本文针对不确定多目标优化问题,在已有局部收敛性工作基础上,严格证明了最速下降法的全局收敛性和线性收敛速率,从而完善其理论基础并提升鲁棒优化方法的实用性。
2025-03-09 math.OC
Characterization of the norm-based robust solutions in vector optimization
本文研究了一类向量最优化问题(VOP)基于范数的鲁棒(有效)解。根据Clarke的广义梯度定义了两种非上升方向,并利用新定义的方向刻画了基于范数的鲁棒性。这是在基本约束规格(CQ)下完成的。我们扩展所提供的表征与圆锥约束VOPs。此外,我们推导出一个必要条件的范数为基础的鲁棒性利用非光滑间隙函数。
2019-06-16 math.OC
Replica Exchange for Non-Convex Optimization
梯度下降(GD)是已知的收敛速度快的凸目标函数,但它可以被困在局部极小值。另一方面,朗之万动力学(Langevin dynamics,LD)可以探索状态空间并找到全局最小值,但为了给出精确的估计,LD需要以小的离散步长和弱的随机力运行,这通常会减慢其收敛速度。本文证明了这两个算法及其非交换变体。可以通过一个简单的交换机制"合作”,如果LD产生一个较低的目标函数,他们交换他们当前的位置。这个想法可以被看作是从抽样文献的复制交换技术的奇异极限。我们表明,这种新的算法收敛到全球最低的高概率线性,假设目标函数是强凸的唯一全局极小值的邻域。通过用随机梯度代替梯度,并在交换机制中加入适当的阈值,我们的算法也可以用于在线设置。我们还研究了该算法的非交换变体,其实现了类似的性能。我们进一步验证了我们的理论结果,通过一些数值实验和观察所提出的算法优于单独运行GD或LD的性能。
2021-06-16 math.OC math.PR stat.ML
Sequential Convex Restriction and its Applications in Robust Optimization
本文给出了参数变化下非线性方程组解的一个凸充分条件,并提出了一种求解非线性等式约束鲁棒最优化问题的序贯凸优化方法。通过将非线性项与凹包络线相结合,利用Brouwer不动点定理,将充分条件表示为封闭形式的凸不等式约束。我们推广了这个结果,在有界不确定性下,为可行性提供了一个凸的充分条件。使用这些条件,非凸优化问题可以作为一系列凸最优化问题来求解,具有可行性和鲁棒性保证。我们提出了一个详细的分析所提出的条件的性能和复杂性。最后给出了多项式优化和非线性网络的算例。
2019-09-04 math.OC
Robust Airfoil Design Optimization via a Bilevel Model-Based Methodology
Gebze Technical University(盖布泽理工大学);Turkish Aerospace (TUSAŞ)(土耳其航空航天工业公司)
提出含高斯过程代理、贝叶斯优化与局部模型的双层方法GLORO,在RAE2822翼型优化中实现鲁棒升阻比,解决含昂贵评估的鲁棒优化问题。
2026-08-03 math.OC
Variable-Sized Uncertainty and Inverse Problems in Robust Optimization
在鲁棒优化中,一般的目标是找到一个在一组可能的参数结果(所谓的不确定性集)上表现良好的解决方案。在本文中,我们假设不确定性的大小是不固定的,而是旨在找到一组鲁棒的解决方案,涵盖所有可能的不确定性集的结果。我们将这些问题称为具有可变大小不确定性的鲁棒优化问题。我们讨论了如何构造最小可能的极小极大鲁棒解集,并给出了它们的大小的界。这种观点的一个特殊情况是分析不确定性集合的标称解不再是鲁棒解,这相当于逆鲁棒最优化问题。我们认为这个问题的最小-最大遗憾的目标和目前的混合整数线性规划配方,可以应用于构建合适的不确定性集。变尺寸的不确定性和反问题的结果与实验数据进一步支持。
2016-06-23 math.OC
Approximating the Pareto set of multiobjective linear programs via Robust Optimization
我们考虑多个线性目标和线性约束的问题,并使用可调鲁棒优化和多项式优化作为工具,以近似Pareto集与多项式的任意大的次数。与现有技术的主要区别是,我们优化一个单一的(扩展的)最优化问题,提供了一个多项式逼近,而现有的方法迭代地构建一个分段线性逼近。所提出的方法的优点之一是,它是更有用的可视化的帕累托集。
2015-01-12 math.OC
The Value of Robust Assortment Optimization Under Ranking-based Choice Models
本文研究基于排序选择模型的鲁棒品类优化问题,证明其可在多项式时间内求解或转化为紧凑混合整数优化问题,并揭示最优品类组合与收益排序结构的关系,从而规避先估计后优化的风险。
2024-02-26 math.OC
A Utility Theory Based Interactive Approach to Robustness in Linear Optimization
我们处理不确定性线性规划问题,利用加权分析中心的概念和多准则决策领域的概念。在介绍了我们的方法,我们开发了强大的优化交互式切割平面算法,基于凹和准凹效用函数。除了实际优势外,由于我们方法的灵活性,我们能够证明在Bertsimas和Sim [14]的理论框架下,该框架建立了鲁棒最优化问题的某些凸公式的存在性,由我们的算法生成的鲁棒最优解至少与由许多其他鲁棒优化算法生成的任何解一样,理论框架。我们提出了一些可靠的解决方案的可行性概率界,并通过计算实验来评估我们的方法。
2017-01-11 math.OC
Robust Shape Optimization of Electric Devices Based on Deterministic Optimization Methods and Finite Element Analysis With Affine Decomposition and Design Elements
本文将基于梯度的最优化方法与有限元建模相结合,用于改进电气设备。几何设计参数通过几何的仿射分解或设计元素方法来考虑,这两种方法都避免了重新网格化。此外,它示出了如何鲁棒优化过程,即,如何处理设计参数的不确定性。整个过程说明了一个学术的例子和永磁同步电机的例子。这些示例示出了确定性优化与标准和流行的随机最优化过程(例如,粒子群优化算法
2018-05-18 math.OC
Solution of Robust Linear Optimization Problems
本文研究鲁棒线性优化问题的求解,重点探讨鲁棒对应(RC),针对仅约束含不确定性的问题建立解决策略数学模型,考虑盒式和椭球不确定集,并通过数值算例验证方法有效性。
2025-04-01 math.OC
Optimal Scenario Reduction for One- and Two-Stage Robust Optimization
鲁棒优化通常遵循最坏情况的观点,其中单个场景可以确定给定解决方案的目标值。因此,减少不确定性集的大小而不太改变所得目标值是一项具有挑战性的任务。另一方面,具有许多场景的鲁棒最优化问题往往难以求解,特别是对于两阶段问题。因此,减少不确定性集可能是在合理的时间内找到解决方案的核心。我们提出的方案减少的方法,保证所产生的强大的解决方案的性能。一阶段和两阶段鲁棒优化的场景约简问题被构造为仅依赖于不确定性集而不依赖于潜在的决策问题的最优化问题。实验结果表明,减少不确定性集的目标值与原始目标值密切相关,从而比使用通用聚类方法(如K-means)时得到更好的解决方案。
2022-09-01 math.OC
A Quasi Newton Method for Uncertain Multiobjective Optimization Problems via Robust Optimization Approach
本文提出一种拟牛顿法求解任意有限不确定性集下不确定多目标优化问题的鲁棒对应问题,通过构造子问题确定下降方向,结合Armijo线搜索和修正BFGS公式,证明算法超线性收敛,并用数值实验验证其优于加权和方法。
2023-10-11 math.OC
Regularization for Wasserstein Distributionally Robust Optimization
最优输运最近已被证明是在需要比较概率测度的各种机器学习应用中的有用工具。其中,分布鲁棒优化的应用自然会在其不确定性模型中涉及Wasserstein距离,捕获数据偏移或最坏情况。受最优输运中Wasserstein距离正则化成功的启发,本文研究了Wasserstein分布鲁棒优化的正则化问题。首先,我们得到了正则化Wasserstein分布鲁棒问题的一般强对偶结果。其次,我们改进了这个对偶结果的熵正则化的情况下,并提供了一个近似结果时,正则化参数消失。
2023-03-23 math.OC
Globalized distributionally robust optimization based on samples
众所周知,扰动数据集是鲁棒优化(RO)建模的关键。分布鲁棒优化(DRO)是一种用于求解具有不确定概率分布的随机参数影响的最优化问题的方法。根据扰动数据的信息,在建立DRO模型时,需要估计合适的概率分布的支撑集。本文提出了两种全局分布鲁棒优化(GDRO)模型,该模型选择一个基于数据的核心集和一个包含核心集的样本空间,以同时平衡鲁棒性和保守性。保守性的程度可以通过随机参数与核心集的期望距离来控制。在一定的假设下,我们进一步将几个GDRO模型重新表示为易于处理的半定规划。此外,数值实验显示GDRO模型的最优目标值与样本空间和核集的大小之间的关系。
2022-05-06 math.OC
Towards robustness guarantees for feedback-based optimization
基于反馈的在线优化算法由于其简单的实现、实时抑制干扰的能力以及对模型失配的鲁棒性增强而在近年来获得了关注。虽然在仿真和实验结果中都观察到了鲁棒性,但文献中的理论分析大多限于标称条件。在这项工作中,我们提出了一个框架,系统地评估基于反馈的在线优化算法的鲁棒稳定性。我们利用单调算子理论,变分不等式和经典的鲁棒控制的工具,以获得易于处理的数值测试,保证强大的收敛性能的在线算法的反馈与物理系统,即使在存在干扰和模型的不确定性。通过一个学术例子和一个配电系统的案例研究的结果进行说明。
2019-05-17 math.OC
Pareto Robust optimization on Euclidean vector spaces
鲁棒线性规划的Pareto有效性由Iancu和Trichakis在[9]中引入。我们将他们的方法和理论结果推广到具有仿射不确定性的欧几里得空间中的鲁棒最优化问题。此外,我们证明了这种方法在鲁棒半定规划(SDP)领域的示范性方式的价值。特别是,我们证明了计算Pareto鲁棒最优解的鲁棒SDP是易于处理的,并说明了这样的解决方案的好处,在最大本征值问题的例子。此外,我们修改了Goemans和Williamson [8]的著名算法,以便计算鲁棒最大割问题的割,从而在非最坏情况下产生改进的近似保证。
2022-08-18 math.OC
Dynamic Optimization of Proton Exchange Membrane Water Electrolyzers Considering Usage-Based Degradation
本文构建融合零维物理、质量能量平衡、运行约束与使用退化数据的PEM电解槽技术经济优化模型,评估不同年份与电价情景下的最优尺寸、运行和储氢配置。
2024-05-10 cs.SY eess.SY math.OC
Yield Optimization of Display Advertising with Ad Exchange
Graduate School of Business, Columbia University(哥伦比亚大学商学院);Google Research(谷歌研究院)
本文提出一种随机控制方法,在考虑广告交易平台短期收益与预留广告质量权衡下,实现在线广告分配的渐近最优策略,并证明其收敛速度。
2012-09-21 cs.DS cs.SY eess.SY
Quantum optimal control robust to $1/f^α$ noises using fractional calculus: voltage-controlled exchange in semiconductor spin qubits
利用分数阶微积分设计电压控制脉冲,针对半导体自旋量子比特中的$1/f^α$电荷噪声,实现高保真度交换门,并推导最优脉冲形状为对称贝塔分布,适用于多种电压控制量子比特架构。
2024-05-22 cond-mat.mes-hall math.OC quant-ph
Unlocking the Potential of Synthetic Fuel Production: Coupled Optimization of Heat Exchanger Network and Operating Parameters of a 1 MW Power-to-Liquid Plant
本研究针对1 MW电转液工厂,通过耦合优化换热网络与运行参数,采用分段线性近似和ε约束法求解多目标问题,实现了生产成本降至1.83欧元/千克、效率提升至61.30%,以促进气候中性燃料推广。
2023-10-19 cs.SY eess.SY math.OC
Oracle-Based Robust Optimization via Online Learning
Technion(以色列理工学院)
鲁棒优化是不确定性优化中的一种常用框架,它是指当问题参数未知时,但已知参数属于某个给定的不确定性集合。在鲁棒优化框架中,所解决的问题是一个最小-最大问题,其中根据参数的最差可能实现的性能来判断解决方案。在许多情况下,某种类型的鲁棒最优化问题的直接解决方案需要解决更复杂类型的最优化问题,并且在某些情况下甚至是NP难的。例如,解决一个强大的圆锥二次规划,如在强大的SVM,椭球不确定性一般导致一个半定的计划。在本文中,我们开发了一种方法,近似解决一个强大的最优化问题使用工具,从在线凸优化,在每一个阶段的标准(非鲁棒)优化程序解决。我们的算法找到一个近似的强大的解决方案,使用一些调用的预言,解决了原来的(非鲁棒性)的问题,是成反比的目标精度的平方。
2014-02-25 cs.LG math.OC
Robust design optimization taking into account manufacturing uncertainties of a permanent magnet assisted synchronous reluctance motor
本文对永磁同步磁阻电机进行了确定性和鲁棒性设计优化,以提高其平均转矩,同时减小转矩脉动。这些优化使用基于2-D有限元模拟的代理模型进行。考虑制造不确定性的鲁棒优化结果与确定性优化结果进行了比较。鲁棒设计不仅表现出良好的平均转矩和转矩脉动性能,但它们也表现出对设计参数不确定性的鲁棒性。
2022-11-29 math.OC stat.ME
Constant Function Market Makers: Multi-Asset Trades via Convex Optimization
以太坊和其他支持智能合约的区块链的兴起导致了去中心化交易所(DEX)的诞生,如Uniswap、Balancer、Curve、mStable和SushiSwap,这些交易所使代理人能够在不信任中心化机构的情况下交易加密货币。传统的交易所使用订单簿来匹配和执行交易,而DEX通常被组织为常数函数做市商(CFX)。CFRisk基于对取决于建议交易和DEX当前储备的函数的评估来接受和拒绝建议交易。对于只涉及两种资产的交易,CFRisk很容易理解,通过两个函数给出必须投标的一种资产的数量,以获得给定数量的另一种资产,反之亦然。当交易的资产超过两种时,就很难理解可能的交易前景。我们观察到,选择多资产交易的各种问题可以用公式表示为凸优化问题,因此可以可靠和有效地解决。
2021-07-26 math.OC q-fin.CP q-fin.TR
Distributed Optimization with Quantized Gradient Descent
针对有向图、带宽受限的无约束分布式优化问题,提出结合梯度下降与有限时间分布式量化一致性的算法,并证明其以线性速率渐近收敛至最优解邻域。
2023-12-06 cs.SY eess.SY math.OC
Complexity of near-optimal robust versions of multilevel optimization problems
近似最优鲁棒性扩展了多级优化,其中较低级别与其最优解的有限偏差由较高级别预测。我们分析了接近最优的鲁棒性多级问题的复杂性,其中接近最优的鲁棒性是通过额外的对抗性决策者建模的。多级问题的近优鲁棒版本保持在相同的复杂性类的问题,没有近优鲁棒性在一般条件下。
2020-11-02 cs.CC math.OC
Data-driven aerodynamic shape design with distributionally robust optimization approaches
本研究采用分布鲁棒优化方法解决数据驱动气动外形设计问题,揭示了其与田口方法的联系,并在跨音速湍流中验证了设计效果。
2023-10-13 cs.CE math.OC
Some Black-box Reductions for Objective-robust Discrete Optimization Problems Based on their LP-Relaxations
我们考虑鲁棒离散最小化问题的不确定性是由一个凸集的目标。我们展示了如何完整性间隙验证的线性规划松弛的非鲁棒版本的问题,可以用来推导出近似算法的强大版本。
2019-07-15 cs.DS math.OC
On the Complexity of Robust Bilevel Optimization With Uncertain Follower's Objective
我们研究了不确定性的两层组合优化的复杂性,在追随者的目标,在一个强大的优化方法。我们证明了区间不确定性下的两层问题的鲁棒对应可以是$Σ^{\text P}_2$ -硬的,即使当某些两层问题是NP-等价的和追随者的问题是易处理的。相反,在离散不确定性情况下,鲁棒双层问题最多比跟随者问题难一层。
2021-07-28 cs.DS math.OC
On Robustness in Nonconvex Optimization with Application to Defense Planning
Naval Postgraduate School(海军研究生院)
在结构化非凸优化的背景下,我们估计增加的最小值的决定,是强大的参数扰动相比,标称问题的值。的估计依赖于详细的次梯度和局部Lipschitz模的最小值函数的非凸鲁棒优化的表达式,只需要标称问题的解决方案。最后,以军事运筹学中的混合整数最优化模型为例,说明了理论结果。在检查的54例病例中,估计最小值增加的中位误差为12%。因此,派生表达式的次梯度和局部Lipschitz模量可以准确地告知分析师获得成本效益,参数鲁棒性决策的非凸优化的可能性。
2022-11-21 cs.LG math.OC
A nonparametric algorithm for optimal stopping based on robust optimization
最优停止是一类基本的随机动态最优化问题,在金融和运营管理中有着广泛的应用。我们介绍了一种新的方法来解决计算要求的随机最优停止问题与已知的概率分布。该方法使用模拟构造一个鲁棒最优化问题,近似随机最优停止问题的任意精度,然后我们解决鲁棒最优化问题,以获得接近最优的马尔可夫停止规则的随机最优停止问题。在本文中,我们专注于设计算法来解决近似随机最优停止问题的鲁棒最优化问题。这些鲁棒的最优化问题是具有挑战性的解决,因为他们需要优化的所有马尔可夫停止规则的无限维空间。我们克服了这一挑战的结构特征的鲁棒最优化问题的最佳马尔可夫停止规则。特别是,我们证明了鲁棒最优化问题的最优马尔可夫停止规则具有令人惊讶的简单和有限维的结构。我们利用这种结构来开发一个精确的鲁棒最优化问题作为一个零-一双线性规划完全么模约束。我们表明,双线性规划可以解决在多项式时间在特殊情况下,建立一般情况下的计算复杂性的结果,并开发多项式时间的算法,将双线性规划的最大闭包问题,从图论。数值实验表明,我们的算法解决的鲁棒最优化问题是实用的,可以超越国家的最先进的模拟为基础的算法在广泛研究的随机最优停止问题的背景下,从高维期权定价。
2023-03-20 math.OC q-fin.CP
Robust Bilevel Optimization for Near-Optimal Lower-Level Solutions
该研究提出双层优化的近优鲁棒性概念以防护下层解偏差对上层可行性的影响,推导了解的存在性条件,针对凸下层问题给出对偶求解法,并通过数值实验验证了方法效率与有效不等式的作用。
2024-07-12 cs.GT math.OC
Recovery-to-Efficiency: A New Robustness Concept for Multi-objective Optimization under Uncertainty
INRIA Lille-Nord Europe(法国里尔-北欧信息与自动化研究所);Univ. Lille(里尔大学);CNRS(法国国家科学研究中心);Centrale Lille(里尔中央理工学院);Université Polytechnique Hauts-de-France(上法兰西理工大学)
针对不确定多目标最优化问题,提出了一种新的鲁棒性概念。更确切地说,在本文中,所谓的恢复到效率的鲁棒性的概念,提出和研究。在多目标最优化的背景下,以及提出了几种方法来产生恢复到效率的鲁棒集。进行了广泛的实验分析,以揭示使用不同的概念,以及推导出一些有趣的意见得到的鲁棒集之间的差异。为了测试的目的,从双目标背包问题的实例被认为是。
2020-11-20 cs.AI math.OC
Distributionally Robust Optimization: A Review
Northwestern University(西北大学)
风险规避、机会约束优化和鲁棒优化的概念在过去十年中得到了显著的发展。统计学习共同体也见证了依靠这些概念的理论和应用的快速增长。一种称为分布式鲁棒优化(DRO)的建模框架最近在运筹学和统计学习界受到了广泛关注。本文综述了DRO的主要概念和贡献,以及它与鲁棒优化、风险规避、机会约束优化和函数正则化的关系。
2019-08-13 cs.LG math.OC stat.ML
Algorithm Engineering in Robust Optimization
鲁棒优化是一个年轻而新兴的研究领域,在过去的十年中受到了相当大的关注。在本文中,我们认为,算法工程方法非常适合鲁棒优化领域,并产生一个有益的新的角度对目前的研究状况和开放的研究方向。为此,我们通过设计和分析的概念,算法的开发和实施,理论和实验评估的算法工程周期。我们发现,许多想法的算法工程已经被应用在出版物的强大的优化。大多数关于鲁棒优化的工作都致力于概念的分析和算法的开发,一些论文涉及案例研究中特定概念的评估,概念比较的工作才刚刚开始。在许多关于鲁棒性的论文中,仍然存在的一个缺点是缺少一个环节,即在设计中再次包含实验结果。
2016-01-11 cs.DS math.OC
Risk Quadrangle and Robust Optimization Based on Extended $φ$-Divergence
该研究提出扩展φ-散度与扩展φ-散度四边形,将分布鲁棒优化整合进基础风险四边形框架,推导相关元素的原始与对偶表示,证明其可涵盖多种常见优化问题,并通过案例可视化内部最大化的最优解。
2024-12-10 math.OC stat.OT
Decentralized optimization over noisy, rate-constrained networks: Achieving consensus by communicating differences
在分散优化中,网络中的多个节点协作以最小化它们的局部损失函数之和。此任务所需的节点之间的信息交换通常受到网络连接的限制。我们考虑一种设置,其中节点之间的通信受到以下两个因素的阻碍:(i)对任何节点发送的信号的有限速率约束,以及(ii)破坏任何节点接收到的信号的加性噪声。我们提出了一种新的算法:分散式懒惰镜像下降与差分交换(DLMD-DiffEx),它保证收敛的局部估计的最优解在给定的通信约束下。DLMD-DiffEx的一个显著特征是引入了由节点维护的附加代理变量,以考虑由于信道噪声和速率约束而导致的估计中的不一致。收敛到最优解是通过让节点迭代地交换这些分歧项直到达成共识来实现的。为了防止这种交换过程中的噪声积累,DLMD-DiffEx依赖于两个序列;一个控制传输信号的功率,另一个确定共识速率。我们对这两个序列的设计提供了清晰的见解,突出了共识率和噪声放大之间的相互作用。我们调查的DLMD-DiffEx的性能,无论是从理论的角度来看,以及通过数值评估。
2021-10-06 cs.SY eess.SY math.OC
Robust Optimization Framework for Training Shallow Neural Networks Using Reachability Method
Southwest Jiaotong University(西南交通大学);Augusta University(奥古斯塔大学)
基于神经网络的可达性分析,提出了一种用于训练浅层神经网络的鲁棒优化框架。为了表征输入数据的噪声,在区间集的描述中对输入训练数据进行扰动。然后对隐藏层进行基于区间的可达性分析。在鲁棒最小二乘问题框架下,利用可达性分析结果,提出了一种鲁棒优化训练方法。然后,发达国家的鲁棒最小二乘问题放松到一个半定规划问题。结果表明,所提出的鲁棒学习方法可以在一定程度上以损失训练精度为代价,提供更好的鲁棒性。最后,通过一个机器人手臂模型学习实例对该方法进行了验证.
2021-07-27 cs.LG math.OC
Running Time Analysis of the (1+1)-EA for Robust Linear Optimization
进化算法(EA)已经发现了许多成功的实际应用,其中的优化问题往往受到广泛的不确定性。为了从理论上理解进化算法的实际行为,有一系列的努力致力于分析不确定性下优化的进化算法的运行时间。现有的研究主要集中在噪声和动态优化,而另一种常见的不确定优化,即,鲁棒优化,很少被触及。在本文中,我们分析了(1+1)-EA解决鲁棒线性优化问题(即,鲁棒场景下的线性问题)具有基数约束$k$。两种常见的稳健方案,即,删除鲁棒性和最坏情况,被认为是。特别是,我们推导出严格的范围内的强大的参数$d$或预算$k$允许(1+1)-EA找到一个最佳的解决方案,在多项式运行时间,这揭示了潜在的EA强大的优化。
2022-12-06 cs.CC cs.NE math.OC
A Robust Scientific Machine Learning for Optimization: A Novel Robustness Theorem
University of Porto(波尔图大学);Universidade Federal da Bahia(巴伊亚联邦大学)
科学机器学习(SciML)是一个在几个不同应用领域越来越受关注的领域。在优化上下文中,基于SciML的工具使得能够开发更有效的最优化方法。然而,实施SciML工具进行优化必须严格评估和谨慎执行。这项工作提出了一个鲁棒性测试,保证多目标SciML为基础的优化的鲁棒性,通过显示其结果尊重通用逼近定理的推导。该测试是适用于一种新的方法,这是在一系列的基准说明其一致性进行评估的框架。此外,所提出的方法的结果进行了比较与可行域的严格优化,这需要一个显着更高的计算工作量。因此,这项工作提供了一种鲁棒性测试,以保证在多目标优化中应用SciML工具时的鲁棒性,并且计算量比现有替代方案更低。
2022-09-13 cs.LG math.OC stat.ME
Cardinality-constrained Distributionally Robust Portfolio Optimization
研究了一个具有基数约束的分布鲁棒投资组合最优化模型。我们制定了这个模型作为一个混合整数半定优化(MISDO)问题,通过基于矩的资产收益率的概率分布的模糊集。为了精确求解大规模问题,提出了一种基于双层优化重构的割平面算法。我们证明了算法的有限收敛性。我们还将矩阵完成技术应用于较低级别的SDO问题,使其问题的规模小得多。数值实验表明,我们的切割平面算法是显着快于国家的最先进的MISDO求解器SCIP-SDP。我们还表明,我们的投资组合最优化模型可以获得良好的投资绩效相比,传统的鲁棒最优化模型的基础上的椭球不确定性集。
2022-12-21 cs.DS math.OC