Application of Progressive Hedging to Var Expansion Planning Under Uncertainty
本文介绍了渐进式套期保值(PH)算法的最小成本无功规划的不确定性。方法PH是用于求解随机规划的基于神经网络的分解技术,即,它将一个大规模随机问题分解成s个确定性子问题,并将s个确定性子问题的决策耦合起来,形成原随机问题的解。所提出的方法的有效性和计算性能将说明与IEEE 24总线系统(5个操作场景),200总线玻利维亚系统(1,152个操作场景)和1,600总线哥伦比亚系统(180个场景)的无功规划研究。
2020-04-17 cs.CE cs.SY eess.SY
Enhancing Distribution Resilience with Mobile Energy Storage: A Progressive Hedging Approach
电化学能量存储(ES)单元(例如电池)已被现场验证为有效的备用资源,其在自然灾害的情况下增强配电系统的恢复力。然而,使用这些单元的弹性不足以从经济上证明其安装的合理性,因此,这些单元通常安装在正常运行期间产生最大经济价值的位置。出于最近的进展,在可运输的ES技术,即ES单位可以移动使用公共交通路线,本文提出了使用这种空间的灵活性,以弥补经济上最佳的位置之间的差距,在正常运行和灾难的特定位置,额外的备份能力是必要的。我们提出了一个两阶段的优化模型,在第一阶段,优化投资在移动ES单元,并可以重新路由安装的移动ES单元在第二阶段,以避免预期的负荷削减所造成的灾难预测。由于所提出的模型不能有效地解决与现成的求解器,即使是相对较小的情况下,我们采用了渐进式对冲算法。在一个15节点的辐射状配电网测试系统上,通过两个示例对所提出的模型和渐进式套期保值算法进行了测试。
2018-03-03 eess.SP math.OC
An Integrated Progressive Hedging and Benders Decomposition with Multiple Master Method to Solve the Brazilian Generation Expansion Problem
本文利用改进的Benders分解和渐进式套期保值方法对大规模水热发电规划问题进行分解。我们认为详细和现实的数据,从巴西电力系统代表每小时的时间顺序的限制,每月和每年的典型日子的基础上。此外,我们代表了多阶段的随机性质的最佳水热运营政策,通过共同优化的线性决策规则,个别水库。因此,我们确保投资决策与非预期(可实施)的运营政策相一致。为了解决大规模最优化问题,提出了一种改进的Benders分解方法,该方法包含主问题的多个实例,每个实例通过主问题的试探解产生的原始割和新的Benders割来加强。此外,我们的新方法允许使用渐进式对冲惩罚条款,以加快收敛的方法。我们表明,我们的方法是60%的速度比基准。最后,考虑非预期的操作策略可以节省总成本的7.64%(投资成本的16.18%),并显着改善现货价格概况。
2021-12-01 cs.SY eess.SY math.OC
A scenario-cluster-based and enhanced progressive hedging algorithm for the two-stage stochastic quadratic knapsack problem
GERAD, CIRRELT & Department of Analytics, Operations and Information Technology, Université du Québec à Montréal(蒙特利尔大学 GERAD、CIRRELT 与分析、运营与信息技术系);GERAD, CIRRELT & Department of Operations and Decision Systems, Université Laval(魁北克大学拉瓦尔分校 GERAD、CIRRELT 与运营与决策系统系);GERAD, CRM & Department of Analytics, Operations and Information Technology, Université du Québec à Montréal(蒙特利尔大学 GERAD、CRM 与分析、运营与信息技术系)
本文提出一种结合渐进对冲算法与聚类场景缩减的框架,求解两阶段随机二次背包问题,在800个实例上相比CPLEX显著减小最优性间隙,并兼顾计算效率。
2026-09-22 math.OC
A Monte Carlo method for exponential hedging of contingent claims
基于效用的方法为不完全金融市场中的证券定价和套期保值提供了一种非常普遍的理论上一致的方法。在基于效用的框架中解决问题通常涉及动态规划,这在实践中可能难以实现。本文提出了一种求解基于指数型效用函数U(x)=-exp(-x)的动态规划最优投资组合问题的蒙特卡罗方法。该算法的灵感来自于Longstaff-Schwartz的方法定价的美国期权的蒙特卡洛模拟,涉及学习最优的投资组合选择策略的模拟蒙特卡洛数据。它与LS框架共享直观性、简单性和灵活性。
2002-11-25 math.OC math.PR q-fin.CP
An inexact algorithm for stochastic variational inequalities
我们提出了一种新的渐进对冲算法来解决Rockafellar和Wets在2017年引入的公式中的随机变分不等式,允许生成的子问题近似求解可实现的公差条件。我们的方案基于不精确邻近点方法,并推广了Rockafellar和Sun在2019年开发的精确算法,提供了更强的收敛结果。我们还展示了一些数值实验中的两阶段纳什博弈。
2023-01-24 math.OC
Improving the Solution of Indefinite Quadratic Programs and Linear Programs with Complementarity Constraints by a Progressive MIP Method
本文提出渐进整数规划PIP方法,通过逐步增加整数变量比例求解LPCC并改进不定QP平稳解,实验表明其优于全整数直接求解且终止解具有局部极小性。
2025-03-15 math.OC
Infinite Horizon Optimal Consumption: Intertemporal Hedging under Epstein-Zin Preferences
University of Michigan(密歇根大学)
针对Epstein-Zin随机微分效用下的无限期界消费-投资问题,通过变分刻画价值函数并证明其存在性与正则性,结合测度变换与BSDE唯一性给出最优策略的反馈表示。
2026-08-04 math.OC q-fin.MF q-fin.PM
A Comprehensive Stochastic Programming Model for Transfer Synchronization in Transit Networks
针对公交网络随机换乘协同问题,提出考虑乘客到达模式确定停靠时间的两阶段随机混合整数规划模型,并通过情景缩减与渐进对冲算法验证其价值。
2024-03-05 math.OC
A Stochastic Programming Approach for Chemotherapy Appointment Scheduling
由于术前用药和输液持续时间的不确定性,化疗预约调度是一个具有挑战性的问题。本文建立了一个两阶段随机混合整数规划模型,求解了护士和输液椅数量有限、可用性有限的化疗预约调度问题。目标是使护士加班、椅子空闲时间和患者等待时间的预期加权和最小化。即使是在确定性的情况下,解决这个问题的最优性的现实生活中的例子的计算负担是显着高。为了克服这个负担,我们将有效的界限和对称性破缺的约束。为了对改进后的公式进行精确求解,实现了渐进式套期保值算法。我们通过惩罚更新方法,周期检测和变量固定机制,以及目标函数的线性逼近来增强算法。使用数值实验的基础上,从一个主要的肿瘤医院的真实数据,我们比较我们的解决方案的方法与相关文献中的几个调度schemistics,产生相关的护士和椅子的数量对预约时间表的影响管理的见解,并估计随机解的值,以评估考虑不确定性的意义。
2020-10-08 math.OC
A New Perspective on Clustering: A Mixed-norm Model and its Solution by Progressive Integer Programming
Tsinghua University(清华大学);The Daniel J. Epstein Department of Industrial and Systems Engineering, University of Southern California(南加州大学丹尼尔J·艾普斯坦工业与系统工程系);H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology(佐治亚理工学院H·米尔顿·斯图尔特工业与系统工程学院);Department of Applied Mathematics, Hong Kong Polytechnic University(香港理工大学应用数学系)
本文提出一种混合范数聚类模型,通过渐进整数规划方法高效求解,并证明其在多种污染场景下优于经典聚类方法。
2026-09-09 math.OC
Efficient Stochastic Programming in Julia
我们提出了StochasticPrograms。jl,一个用户友好的和强大的开源框架,随机规划编写的Julia语言。该框架包括建模工具和结构开发优化算法。随机规划模型可以有效地制定使用表达语法和模型可以实例化,检查和分析交互式。该框架可无缝扩展到分布式环境。模型的小实例可以在本地运行以确保正确性,而较大的实例则以节省内存的方式自动分布到超级计算机或云上,并使用并行优化算法进行求解。这些结构开发求解器是基于经典的L形和渐进对冲算法的变化。我们为框架中可用的各种工具和结构提供了一个简洁的数学背景,以及示例它们用法的代码清单。这两个软件的创新有关的框架和算法的创新结构化求解器的实施突出显示。最后,我们展示了强大的缩放性能的分布式算法的数值基准在多节点设置。
2021-01-12 cs.MS math.OC
A Stochastic Programming Approach to Surgery Scheduling under Parallel Processing Principle
并行处理是一种原则,它能够同时实施麻醉诱导和手术室(OR)周转,目的是提高OR利用率。在这篇文章中,我们研究的问题调度手术的多个OR和感应室(IR)的功能的基础上并行处理原则下的不确定性。我们提出了一个两阶段的随机混合整数规划模型,考虑到在诱导,手术和周转时间的不确定性。我们在第一阶段对患者进行排序并设置手术预约时间,并在模型的第二阶段将患者分配到IR。我们表明,一个最佳的近视政策,可用于IR分配决策,由于该模型的特殊结构。我们在目标函数中最小化病人等待时间、OR空闲时间和IR空闲时间的期望总成本。我们加强了模型的制定使用的变量和破坏性约束的界限。通过引入惩罚更新方法和变量固定机制,实现了一种新的渐进式套期保值算法。基于一个大型学术医院的实际数据,我们比较了我们的解决方案与文献中的几个调度算法。我们评估的额外好处和成本与并行处理的实施,使用接近最佳的时间表。我们研究了如何通过增加IR的数量来夸大收益。最后,我们估计随机解的值,以强调考虑持续时间的不确定性的重要性。
2021-12-30 math.OC
Multi-component Maintenance Optimization: A Stochastic Programming Approach
在过去的几十年中,维修优化得到了广泛的研究。然而,现有的大多数维护模型集中在单组件系统,并不适用于由多个组件组成的复杂系统,由于组件之间的各种相互作用。多部件维修最优化问题是将部件故障的随机过程与维修活动分组的组合问题相结合的问题,在建模和求解技术上都具有挑战性,在文献中一直是一个未解决的问题。本文研究了有限规划期内的多部件维修问题,并将其表示为一个具有决策依赖不确定性的多阶段随机整数规划问题。目前还缺乏通用的有效方法来解决这类问题。为了应对这一挑战,我们使用了另一种方法来模拟潜在的故障过程,并开发了一种新的两阶段模型,没有决策依赖的不确定性。研究了两阶段问题的结构特性,并基于结构特性提出了一种基于渐进式套期保值的启发式算法。我们的启发式算法表现出显着改善的能力,在处理实际的大规模的两阶段问题相比,三个传统的方法随机整数规划,并解决两阶段模型,我们的启发式在滚动时域提供了一个很好的近似的多阶段问题。启发式进一步基准与文献中普遍采用的动态规划方法。数值结果表明,我们的启发式可以导致显着的成本节省与基准方法相比。
2019-07-02 math.OC
Flexible and Reliable Network Design for Emerging Transportation Services: Multi-stage Stochastic Programming Approach
Institute of Science Tokyo(东京科学大学);Tohoku University(东北大学)
提出灵活可靠网络设计框架,集成战略投资与运营控制,采用风险规避多阶段随机规划,通过随机对偶动态规划求解,应用于共享自动驾驶汽车容量扩展和BRT路线设计,发现灵活性与可靠性互补,风险规避者减少早期投资以保持适应性。
2026-07-03 math.OC
Non-concave stochastic optimal control in finite discrete time under model uncertainty
本文提出有限离散时间下非凹鲁棒随机最优控制的一般框架,通过动态规划原理同时求解最优控制和最坏情况测度,并应用于金融衍生品对冲,在金融危机等不利情景下优于经典Delta对冲等策略。
2025-05-05 math.OC math.PR q-fin.MF
Combining Penalty-based and Gauss-Seidel Methods for solving Stochastic Mixed-Integer Problems
在本文中,我们提出了一种新的混合整数随机规划(SMIP)问题的分解方法,其灵感来自于基于惩罚的拉格朗日和块高斯-赛德尔方法(PBGS)的组合。从这个意义上说,PBGS的开发,使得固有的可分解的结构,SMIP目前可以利用计算效率的方式。所提出的方法的性能进行了比较与渐进式套期保值方法(PH),这也可以被看作是一个基于拉格朗日的方法获得SMIP的解决方案。使用文献中的实例进行的数值实验说明了所提出的方法在计算性能和解质量方面的效率。
2017-01-31 math.OC
Solvability of Multistage Pseudomonotone Stochastic Variational Inequalities
研究了多级伪单调随机变分不等式(SVI)的可解性。一方面,一些已知的伪单调确定性变分不等式的可解性结果不能直接推广到伪单调SVI,因此我们构造了伪单调SVI与变分不等式之间的同构,并通过这种同构建立了伪单调SVI解集的存在性、凸性、有界性和紧性的理论结果.另一方面,渐进对冲算法(PHA)是解决单调SVI的一种重要而有效的方法,但它不能直接用于解决非单调SVI。我们提出了伪单调SVIs可诱导性的若干充分条件,为应用诱导PHA求解伪单调SVIs打开了大门。通过求解一个伪单调两阶段随机市场最优化问题和随机生成的两阶段伪单调线性互补性问题的数值结果,验证了该方法求解伪单调SVI的有效性.
2022-01-05 math.OC
A novel dual-decomposition method for non-convex two-stage stochastic mixed-integer quadratically constrained quadratic problems
针对确定性等价为非凸混合整数二次约束二次规划(MIQCQP)模型的两阶段随机规划问题,提出可通过精度因子p调整解精度的p分支定界方法,结合p拉格朗日分解与对偶分解技术,在随机实例上测试性能优于Gurobi。
2025-02-19 cs.NA math.NA math.OC
On conditional cuts for Stochastic Dual Dynamic Programming
多阶段随机规划出现在工程中的许多应用中,每当一组库存或库存必须被评估时。这是在季节性存储评估的情况下,一组级联水库链在水电管理。一个流行的方法是随机对偶动态规划(SDDP),特别是当问题的维数很大,动态规划不再是一个选项。SDDP的通常假设是不确定性是阶段独立的,从实践的角度来看,这是高度限制性的。在可能的情况下,通常的补救措施是增加状态空间,以解决某种程度的依赖性。在应用程序中,这可能是不可能的,或者它可能会使状态空间增加太多。在本文中,我们提出了一种替代方案的基础上保持功能依赖的SDDP -削减有关的条件期望的动态规划方程。我们的方法是基于流行的方法在数学金融,它已逐步取代情景树由于优越的数值性能。在一组数值例子中,我们也显示了这种处理不确定性依赖关系的方式与SDDP相结合时的兴趣。我们的方法是现成的开源软件包StOpt。
2019-11-28 math.OC
Stochastic target games with controlled loss
我们研究一个随机对策,其中一个玩家试图找到一个策略,使状态过程达到控制损失型的目标,无论其他玩家选择的行动。在一般情况下,我们给出了这个问题的松弛几何动态规划原理,并推导出在受控条件下,相应的黏性解意义下的动态规划方程。作为一个例子,我们考虑的问题下的部分套期保值的不确定性。
2014-04-28 math.OC math.PR q-fin.PR
Hierarchical MPC Schemes for Periodic Systems using Stochastic Programming
我们表明,随机规划(SP)提供了一个框架,设计分层模型预测控制(MPC)计划的周期性系统。这是基于这样的观察,即如果无限时域问题的状态策略是周期性的,则该问题可以被转换为随机程序(SP)。这表明,可以通过解决逐步累积历史数据的追溯最优化问题来更新周期状态目标。此外,我们表明,追溯问题是一个统计近似的SP,从而提供了最佳的目标,从长远来看。值得注意的是,这种最优属性可以在不需要数据预测的情况下实现,并且不能通过任何已知的主动滚动时域方案来实现。SP设置还揭示了追溯问题可以被看作是一个高级别的分层,其提供目标以指导在短时间内以高分辨率操作的低级别MPC控制器。我们推导出一个追溯计划,通过使用切割平面技术,线性系统和建议的策略来处理非线性系统。
2018-04-29 math.OC
Scenario-decomposition Solution Framework for Nonseparable Stochastic Control Problems
当随机控制问题不具有分离性和单调性时,Bellman于20世纪50年代提出的动态规划方法不能作为时间分解求解方法。多年来,这类案件在理论基础和解决方法上都给控制社会带来了巨大的挑战。借助Rockafellar和Wets在1991年提出的渐进对冲算法,我们发展了一种新的求解不可分离和/或非单调随机控制问题的分解求解框架,从而扩展了随机最优控制的研究范围.然后,我们讨论了它的一些有前途的应用,包括在线二次规划问题和具有平滑性质的动态投资组合选择问题。
2020-10-18 cs.SY eess.SY math.OC
An Efficient Hybrid Heuristic for the Transmission Expansion Planning under Uncertainty
Universidade Federal da Paraíba(帕拉伊巴联邦大学);PSR - Energy Consulting and Analytics(PSR能源咨询与分析)
本文提出一种结合渐进贴现算法和集成方法的混合启发式策略,用于解决具有不确定性的传输扩展规划问题,通过在大型系统中实现高效求解,平均成本降低5.28%。
2026-05-09 math.OC
Robust Stochastic Optimal Control via variance penalization: Application to Energy Management Systems
IFP Energies nouvelles(IFP能源新动力)
本文提出带方差惩罚的随机最优控制模型与 VPPHA,并结合场景生成、缩减和控制计算框架,在电池 EMS 仿真中优于 MPC 和标准 PHA。
2025-10-20 math.OC
Well-conditioned Primal-Dual Interior-point Method for Accurate Low-rank Semidefinite Programming
本文针对低秩 SDP 内点法中 Newton 子问题病态且预条件失效的问题,提出良态重构及配套预条件子,实现高精度下 O(n^3) 时间与 O(n^2) 内存复杂度。
2024-12-03 math.OC
Modern Primal-Dual Frameworks for Prior-Free Online Resource Allocation
University of Chicago Booth School of Business(芝加哥大学布斯商学院);Department of Industrial Engineering & Operations Research, University of California, Berkeley(加州大学伯克利分校工业工程与运筹学系)
本文提供两种现代原始-对偶框架教程,通过正则化凸规划或通用证书系统,解决对抗性在线资源分配中的贪婪与对冲权衡,并覆盖多种模型。
2026-06-23 cs.DS math.OC
Nodal Capacity Expansion Planning with Flexible Large-Scale Load Siting
Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
本文提出将大规模负荷选址纳入随机节点电力系统容量扩展规划模型,同时优化发电、输电和储能扩展。通过将负荷分为不同可靠性要求的多个层级,考虑其运营灵活性,并利用两阶段随机混合整数优化问题和跨场景期望约束进行求解。
2026-04-15 cs.SY eess.SY math.OC