Constructing Uncertainty Sets for Robust Risk Measures: A Composition of $ϕ$-Divergences Approach to Combat Tail Uncertainty
本文提出基于两个或多个 $ϕ$-散度函数参数化鲁棒风险测度的统一框架,以构建兼顾风险测度尾部敏感性与名义分布尾部行为的不确定性集合,并支持可处理计算及偏好引出。
2024-12-06 econ.GN math.OC math.PR
Adjustably Robust Optimal Power Flows with Demand Uncertainty via Path-based Flows
本文研究了需求不确定条件下的带开关操作的最优潮流问题(或等价的线路扩展问题)。具体来说,我们认为线使用变量在第一阶段和电流或功率流在第二阶段的两个affiliated可调鲁棒配方。
2016-01-25 math.OC
The Benefit of Uncertainty Coupling in Robust and Adaptive Robust Optimization
本文通过引入耦合不确定性集,研究约束间耦合如何缓解鲁棒优化与自适应鲁棒优化的保守性,并提供目标值改进的理论紧界及计算验证。
2024-10-29 math.OC
Robust Model Predictive Control with Adjustable Uncertainty Sets
在本文中,我们提出了鲁棒模型预测控制(MPC)问题的可调不确定性集。与已知不确定性集的标准鲁棒MPC问题相比,我们将问题中的不确定性集视为额外的决策变量。特别是,给定一个用于调整不确定性集的度量,我们解决了确定这些不确定性集的最佳大小和形状的问题,同时确保鲁棒的约束满足。本文的重点是确保约束满足无限的地平线,也被称为持久的可行性。我们表明,类似于在标准的鲁棒MPC,持久的可行性,可以保证,如果终端集是一个不变的系统的状态和可调的不确定性集。我们还提出了一个算法来计算这样的不变集,并说明我们的方法在合作自适应巡航控制应用程序的有效性。
2018-09-20 math.OC
Conformal Uncertainty Sets for Robust Optimization
不确定性下的决策对于任何对观测数据扰动敏感的决策都非常重要。将不确定性纳入最优决策的一种方法是通过鲁棒优化,该方法在某些不确定性集合上最小化最坏情况。我们将共形预测区域与鲁棒优化相连接,提供有限样本有效和保守的椭球不确定性集,恰当地命名为共形不确定性集。在追求这种连接,我们明确定义Mahalanobis距离作为一个潜在的一致性得分在充分的共形预测。我们还比较了覆盖范围和优化性能的共形不确定性集,特别是生成的马氏距离,传统的椭球形不确定性集的模拟强大的优化实例的集合。
2021-09-03 math.OC stat.ME stat.ML
Max-Min SNR Signal Energy based Spectrum Sensing Algorithms for Cognitive Radio Networks with Noise Variance Uncertainty
本文提出了新的认知无线电网络的频谱感知算法。通过假设已知的发射机脉冲整形滤波器,已经考虑了同步和异步接收机场景。对于这些场景中的每一个,所提出的算法解释如下:首先,通过引入组合器向量,线性组合总持续时间等于符号周期的过采样信号。其次,对于该组合信号,将信噪比最大化和最小化问题表示为瑞利商最优化问题。第三,利用这些问题的解,提出了最大和最小信噪比对应的信号能量比作为检验统计量。对于该检验统计量,推导了加性高斯白噪声(AWGN)信道下虚警概率($P_f$)和检测概率($P_d$)的解析表达式。所提出的算法对噪声方差的不确定性是鲁棒的。本文还讨论了所提算法在未知发射机脉冲成形滤波器中的推广。仿真结果表明,在具有噪声方差不确定性的AWGN和Rayleigh衰落信道中,所提算法的$P_d$性能优于特征值分解和能量检测算法。所提出的算法还保证在存在相邻信道干扰信号的情况下的期望的$P_f(P_d)$。
2013-12-28 math.OC
Robust exploratory mean-variance problem with drift uncertainty
本文解决了具有漂移不确定性的鲁棒探索性均值-方差问题中的极小-极大问题。证明了稳健投资者在一个容许集中选择具有最小$L^2$范数的Sharpe比率。均值-方差问题中的强化学习框架提供了一种探索-利用权衡机制;如果我们另外考虑模型的不确定性,则鲁棒策略本质上更多地考虑利用而不是探索,因此反映了更保守的优化方案。最后,我们使用财务数据回测稳健探索性投资的表现,发现稳健策略可以超越纯粹的探索性策略,并抵御熊市中的下行风险。
2021-08-09 math.OC
A branch-and-price algorithm for the robust single-source capacitated facility location problem under demand uncertainty
研究了具有不确定性顾客需求的单资源容量约束的鲁棒设施定位问题。一个基数约束的不确定性集假设的鲁棒问题。为了有效地解决这个问题,我们提出了一个基于分配的配方Dantzig-Wolfe分解和分支和价格算法。计算实验表明,我们的分支和价格算法在许多情况下优于CPLEX,解决了普通的鲁棒重构。我们还研究了不可行性的经验概率和所产生的额外成本之间的权衡关系,并观察到解决方案的鲁棒性可以显着提高与小的额外成本。
2021-03-24 math.OC
A Robust Decision Making Framework for Optimal Strategy Selection in Warfare under Model Uncertainty
本文提出了一种处理作战情况下最优判定问题中不确定性的框架,以鲁棒地选择最优策略。一个流行的兰彻斯特的瞄准射击模型的随机版本被认为是基本的战斗系统描述的combet动态,并在此基础上的最优决策规则分配部队的构造。这种方法的结果是一个非常可扩展的最优决策框架,其中的最优策略的选择,同时处理强大的不确定性,关键的战斗参数。
2022-07-02 math.OC
Robust Combinatorial Optimization Problems Under Budgeted Interdiction Uncertainty
针对基于基数的约束或目标,提出一种离散预算不确定性变体,通过权重向量作用于预算约束;证明该鲁棒问题NP-hard且不可近似,但实验表明部分模型在问题规模上扩展性良好。
2024-04-29 math.OC
Compromise Solutions for Robust Combinatorial Optimization with Variable-Sized Uncertainty
在经典的鲁棒优化中,假设一组可能的参数实现,即不确定性集,在前一步和部分输入中建模。正如最近的工作所表明的那样,找到最合适的不确定性集本身就是一项艰巨的任务。我们考虑鲁棒问题的不确定性集是不完全定义的。只知道它的形状,却不知道它的大小。这样的设置被称为可变大小的不确定性。在这项工作中,我们提出了一种方法,如何找到一个强大的解决方案,平均表现良好,在所有可能的不确定性集的大小。我们证明,这种方法可以有效地解决最小-最大鲁棒优化,但更多地涉及在最小-最大遗憾的情况下,其中提供的选择问题,最小生成树问题,和最短路问题的积极和消极的复杂性结果。我们介绍了一个迭代的解决方案的过程中,并评估其性能的实验比较。
2016-10-17 math.OC
Multistage Robust Mixed-Integer Optimization Under Endogenous Uncertainty
内生的,即决策相关的,不确定性已收到越来越多的兴趣在随机规划社区。然而,在鲁棒优化上下文中,它很少被考虑。本文研究了具有决策依赖不确定集的多级鲁棒混合整数优化问题。建议的框架允许我们考虑连续和整数追索权,包括追索权的决定,影响不确定性集。我们得到一个易于处理的问题,利用最近的进展,在建设非线性决策规则,并引入连续追索权的不连续分段线性决策规则。进行计算实验,以获得见解的影响,内生的不确定性,离散追索权的好处,和计算性能。我们的研究结果表明,在解决方案中的保守性水平可以显着降低,如果内生不确定性和混合整数追索权适当建模。
2020-08-26 math.OC
Robust Combinatorial Optimization with Locally Budgeted Uncertainty
不确定性集是鲁棒最优化问题不确定性建模的重要影响因素。这样的集合的缺点是预算约束仅限制可以由对手分配的成本增加的全局量。本地限制虽然对许多应用程序很重要,但不能以这种方式建模。我们引入新的预算不确定性集的变种,称为本地预算不确定性。在这种设置中,不确定参数被分区,使得经典的预算不确定性集应用于每个分区,称为区域。在理论分析中,我们表明,这些问题的一个恒定数量的区域的强大的副本仍然可以在多项式时间内解决,如果潜在的标称问题可以在多项式时间内解决。如果区域的数量是无界的,我们表明,强大的选择问题仍然是可解的多项式时间,同时也提供硬度的其他组合问题的结果。在使用随机和现实世界的数据的计算实验中,我们表明,使用本地预算的不确定性集可以有相当大的优势,经典的预算不确定性集。
2020-08-27 math.OC
Data-Driven Robust Optimization Using Scenario-Induced Uncertainty Sets
不确定集是鲁棒优化(RO)的核心,因为它们在确定RO模型的易处理性,鲁棒性和保守性方面起着关键作用。已经提出了不同类型的不确定性集,从不同的角度对不确定性进行建模。其中,多面体不确定性集由于其简单和灵活的结构而被广泛用于建模潜在的不确定性。然而,传统的多面体不确定性集存在一定的缺点,有些过于保守,而其他导致计算昂贵的RO模型。本文提出了一种系统的方法来开发数据驱动的多面体不确定性集,以减轻这些缺点。所提出的不确定性集是由给定的一组场景诱导的多面体,捕获不确定参数之间的相关信息,并允许在传统多面体不确定性集的易处理性和保守性问题之间进行直接权衡。为了开发这些不确定性集,我们使用主成分分析(PCA)将相关的场景转换为不相关的主成分,并缩小不确定性空间的维度。因此,决策者可以使用领先的主成分的数量作为一种工具,权衡易处理性,保守性和鲁棒性的RO模型。我们量化的质量的静态RO问题的下界与一个callo引起的不确定性集通过推导出的最优性差距的理论界。此外,我们得到的概率保证的性能,建议的Coco引起的不确定性集的发展明确的下界的情况下。最后,我们证明了所提出的不确定性集的实际适用性,以权衡易处理性,鲁棒性和保守性,通过检查一系列的背包和电网问题。
2021-07-11 math.OC
Algorithms and Uncertainty Sets for Data-Driven Robust Shortest Path Problems
我们认为强大的最短路问题,其目的是找到一条路径,优化最坏情况下的性能在一个不确定性集包含所有相关的情况下弧成本。解决这类问题的通常方法是假设这个不确定性集合是由一位专家给出的,他可以对集合的形状和大小提出建议。遵循数据驱动的鲁棒优化的思想,我们根据芝加哥市提供的真实交通测量数据,从当前文献中构建了一系列不确定性集。然后,我们比较了样本内外的鲁棒路径的性能,这使我们能够得出结论,最适合的不确定性集是什么。基于我们的实验,我们然后专注于椭球不确定性集,并开发一种新的解决方案的算法,显着优于国家的最先进的求解器。
2018-02-09 math.OC
Robust adaptive state-feedback control of linear time-varying systems under both potentially unbounded system's modeling uncertainty and external disturbance
针对线性时变(LTV)系统,在系统建模不确定性和非线性外部干扰的情况下,提出了一种基于对数范数的鲁棒自适应状态反馈控制器设计方法。该控制器由自适应和鲁棒两个独立部分组成,使每个LTV系统全局渐近稳定,而不管干扰有多大。
2020-07-14 math.OC
Effective Budget of Uncertainty for Classes of Robust Optimization
鲁棒优化(RO)通过优化不确定参数的最坏情况来解决数据不确定性,并且在其基本形式中,有时会因产生过于保守的解决方案而受到批评。为了降低RO中的保守性水平,可以使用众所周知的不确定性消除方法,该方法限制了模型中要考虑的不确定性的数量。在本文中,我们研究了一类问题的资源不确定性,并提出了一个强大的优化方法,产生的解决方案,甚至比传统的不确定性的方法是保守的。我们提出了一个新的易处理的两阶段的鲁棒优化方法,确定了“无效”的不确定性集的部分,并优化为“有效”的最坏情况下。在第一阶段,我们确定的有效范围内的不确定参数,并在第二阶段,我们提供了一个配方,消除了不必要的保护无效的部分,因此,产生不太保守的解决方案,并提供直观的见解之间的权衡鲁棒性和解决方案的保守性。我们证明了所提出的方法的适用性,使用的功率调度最优化问题风的不确定性。我们还提供了其他应用领域的例子,将受益于所提出的方法。
2021-04-03 math.OC
Uncertainty Intervals for Robust Bottleneck Assignment
我们研究的鲁棒性瓶颈分配问题的扰动的分配权重。我们推导出两个算法,提供不确定性界的鲁棒分配。我们证明了瓶颈分配是保证不变的扰动位于所提供的范围内。我们将该方法应用于一个多智能体系统的任务分配的例子。
2020-05-24 math.OC
Optimal Uncertainty Size in Distributionally Robust Inverse Covariance Estimation
在最近的一篇论文中,Nguyen,Kuhn和Esfahani(2018)为高斯分布的精度矩阵建立了一个分布鲁棒估计器。分布不确定性大小是构建此估计量的关键因素。我们开发了一个统计理论,它显示了如何最佳地选择不确定性的大小,以尽量减少相关的斯坦损失。令人惊讶的是,最佳不确定性大小与样本量呈线性关系,而不是期望的规范平方根缩放率。
2019-10-10 math.OC math.ST stat.TH
A Comparison of Discrete and Polyhedral Uncertainty Sets for Robust Network Design
我们考虑一个网络设计和扩展问题,我们现在需要进行容量投资,以便尽可能满足不确定的未来需求。为了使用鲁棒的优化方法,我们需要构建一个不确定性集,其中包含我们认为可能的所有场景。在本文中,我们讨论了如何构建两种常见类型的不确定性集,这是离散和多面体不确定性,使用现实世界的数据。我们采用聚类生成一个离散的不确定性集,并将超平面顺序生成一个多面体的不确定性集。然后,我们比较了这两种类型的模型在真实世界数据中的鲁棒解决方案的性能。我们的研究结果表明,多面体模型,而在最近的网络设计文献中流行的,是有效的比离散模型的计算负担和解决方案的质量方面考虑的性能指标。
2021-03-02 math.OC
A Lyapunov approach to Robust and Adaptive finite time stabilization of integrator chains with bounded uncertainty
在本文中,我们提出了基于李雅普诺夫的鲁棒自适应控制器的有限时间稳定的扰动链的积分有界不确定性。所提出的控制器可以设计为任何任意长度的积分链。在鲁棒控制问题中不确定性界是已知的,而在适应控制问题中不确定性界是未知的。这两种控制器都是从一类纯积分链的有限时间镇定控制器发展而来的。基于李雅普诺夫的设计允许计算收敛时间的上界。
2013-05-30 math.OC
An uncertainty model for positive-valued parameters with application to robust optimization
Graduate School of Informatics, Kyoto University(京都大学情报学府);Frontier Research Center, Toyota Motor Corporation(丰田汽车公司前沿研究中心)
本文提出一种正值参数的不确定性集模型,以解决传统方法可能包含非正值的问题,通过凸函数度量参数变化并提供可计算的对偶形式,应用于光伏-电池运营规划和支持向量机问题。
2026-04-28 math.OC
Robust Optimization using Machine Learning for Uncertainty Sets
MIT(麻省理工学院)
我们的目标是建立鲁棒的最优化问题,以便根据过去的复杂数据做出决策。在鲁棒优化(RO)中,目标通常是创建一个决策策略,该策略对我们对未来的不确定性具有鲁棒性。特别是,我们希望我们的政策能够最好地处理一系列不确定的可能情况中可能出现的最坏情况。传统上,不确定性集只是由用户选择,或者它可能是以过于简单的方式进行估计,具有很强的假设;而在这项工作中,我们从过去收集的数据中学习不确定性集。过去的数据是从(未知的)可能复杂的高维分布中随机抽取的。我们提出了一个新的不确定性集的设计,并展示了如何从统计学习理论的工具可以用来提供概率保证的政策的鲁棒性。
2014-07-04 cs.LG math.OC stat.ML
A Unified Framework for Adjustable Robust Optimization with Endogenous Uncertainty
这项工作提出了一个框架,多级可调鲁棒优化,统一处理三种不同类型的内生不确定性,其中的决定,分别(i)改变不确定性集,(ii)影响不确定参数的实现,(iii)确定的时间时,观察到的不确定参数的真实值。我们提供了一个系统的分析不同类型的内生不确定性,并强调内生不确定性下的优化和主动学习之间的联系。我们考虑决策相关的多面体不确定性集,并提出了一个决策规则的方法,采用连续和二元追索权,包括追索权的决定,影响不确定性集。所提出的方法使决策相关的nonanticipativity建模和结果在一个易于处理的问题的重新表述。我们证明了该方法在计算实验中的有效性,涵盖了一系列的应用,包括工厂重新设计,维护计划与检查,优化修订点的能力规划,生产调度与积极的参数估计。结果表明,内生不确定性和主动学习的适当建模显着的好处。
2020-08-27 math.OC
A robust convex optimization framework for autonomous network planning under load uncertainty
自主微电网规划是一个混合非凸判定问题,需要同时考虑配电和发电容量的投资,具有很大的计算挑战性。我们在以前的出版物中提出了一个确定性的二阶锥(SOC)放松这个问题,使它在计算上易于处理的realsize的情况下。然而,这一问题受到来自负荷消耗、基于RES的发电和突发事件的相当大的不确定性的影响。因此,在本文中,我们提出了一个强大的优化方法,扩展了我们以前的工作,包括负载相关的不确定性的成本大幅增加的计算负担。结果表明,显着更高的投资和运营成本,以占负荷相关的不确定性。
2017-03-20 math.OC
Multiparametric robust solutions for combinatorial problems with parameterized locally budgeted uncertainty
本文研究了具有参数化局部预算不确定性的组合问题。我们正在寻找一个解决方案集,使得对于任何参数向量,都存在一个鲁棒性接近最优的解决方案。该算法包括应用多参数算法,以获得一个接近最优的多参数解决方案相对于目标函数的组合问题,定义为找到一个强大的解决方案,参数固定。据我们所知,这是第一个提出来做这项任务的算法。最短路径和$p$ -中位数问题的计算经验
2023-01-25 math.OC
A novel multi-stage multi-scenario multi-objective optimisation framework for adaptive robust decision-making under deep uncertainty
针对深度不确定性下的多阶段多目标决策问题,提出多阶段多情景多目标优化框架,通过情景评估实现稳健决策,并在投资组合案例中验证。
2023-12-18 math.OC
Explicit sets with ideal robustness are achievable in combinatorial optimization problems with cost uncertainty
本文提出一种标准约束生成算法,用于在具有成本不确定性的组合优化问题中寻找鲁棒性等同于可行解集的显式集合,计算实验表明该算法在中等维度下运行时间可容忍,且达到近理想鲁棒性所需解的数量便于决策者管理。
2023-04-08 math.OC
Robust Binary Linear Programming Under Implementation Uncertainty
本文研究了二进制线性规划问题中存在的不确定性,可能会导致解决方案的价值,在实施过程中发生变化。这种类型的不确定性,被称为实现不确定性,被建模为显式地影响决策变量而不是模型参数。决策变量的二进制性质使现有模型对这种类型的不确定性的使用无效。得到的鲁棒解决方案是最佳的最坏情况下的最小最大目标,并允许控制程度的不可行性相对于相关的确定性问题。结构属性被用来重新制定的问题作为一个混合整数线性二进制程序。通过结合约束松弛和基数约束参数来控制解的保守性程度。在实现不确定性下的最优化问题的解决方案由一组鲁棒解决方案组成;从这个可能较大的集合中选择解决方案被公式化为鲁棒集合上的最优化问题。背包问题的背景下,从实验研究的结果表明,该方法产生的解决方案,表现良好的客观价值和可行性。此外,选择方法可以确定具有理想的实现特性的鲁棒解决方案。
2021-09-28 math.OC
Nonparametric Estimation of Uncertainty Sets for Robust Optimization
我们研究了一种数据驱动的方法来构建鲁棒最优化问题的不确定性集,其中不确定的问题参数被建模为随机变量,其联合概率分布是未知的。仅依赖于从该分布中提取的独立样本,我们提供了一种非参数方法来估计不确定性集,其概率质量保证在给定的公差内以高置信度近似给定的目标质量。我们考虑的非参数估计也服从分布自由有限样本性能界,这意味着他们的依概率收敛给定的目标质量。除了是有效的计算,所提出的估计结果的不确定性集,产生计算上易于处理的鲁棒最优化问题的一大家族的约束函数。
2020-09-20 cs.LG math.OC
Robust Transmission Network Expansion Planning under Correlated Uncertainty
研究了需求和发电容量不确定条件下的输电网规划问题。一个两阶段的自适应鲁棒优化框架,其中最坏情况下的运营成本占一个给定的用户定义的不确定性集。这项工作不同于以前报道的强大的解决方案在两个方面。首先,通常被忽视的相关性的不确定性来源被明确认为是通过一个椭球形的不确定性集依赖于他们的方差-协方差矩阵。此外,我们描述了相应的第二阶段的问题,并在结构可靠性中产生的某类数学程序之间的类比。这种类比引起了相关的概率解释的第二阶段,从而揭示了一个未公开的功能的最坏情况下的设置特征强大的优化与椭球不确定性集。更重要的是,一种新的嵌套分解方法的基础上,从结构可靠性的结果设计来解决建议的鲁棒对应,这是铸造作为一个混合整数三层规划的实例。几个案例的数值结果表明,相关的不确定性的影响,可以捕获所提出的鲁棒方法。
2019-04-02 cs.CE math.OC
Robust Output Feedback MPC with Reduced Conservatism under Ellipsoidal Uncertainty
不确定性自治系统的鲁棒设计是一个重要而富有挑战性的问题。本文提出了一种由状态估计器和基于预测控制律的管组成的鲁棒控制器。考虑一类椭球不确定性下的线性系统。与现有的基于多面体集的方法相比,直接从扰动的椭球集计算约束收紧,而没有过度近似,从而导致保守性较低的界限。给出了保证鲁棒约束满足和鲁棒稳定的条件。此外,通过避免在集合计算中使用Minkowski和,所提出的方法也可以扩展到高维系统。最后用实例说明了结果。
2022-10-09 cs.SY eess.SY math.OC
Robust two-stage combinatorial optimization problems under convex uncertainty
本文讨论了一类鲁棒两阶段组合优化问题。假设不确定的第二阶段成本以凸不确定性集的形式指定,特别是多面体或椭球形的。结果表明,基本网络和选择问题的鲁棒两阶段版本是NP难的,即使在非常严格的情况下。构造了一般问题的精确算法和近似算法。多项式和近似算法的强大的两阶段版本的基本问题,如选择和最短路径问题,也提供了。
2019-05-07 cs.DS math.OC
Conformal Contraction for Robust Nonlinear Control with Distribution-Free Uncertainty Quantification
Department of Aerospace Engineering, The Grainger College of Engineering, University of Illinois Urbana-Champaign(航空航天工程系、格拉inger 工程学院、伊利诺伊大学厄巴纳-香槟分校)
本文提出一种基于共形预测的收缩鲁棒控制框架,无需不确定性模型即可为非线性受扰系统提供无分布有限时间跟踪误差有界保证,并引入PRCI管用于分布鲁棒运动规划。
2025-07-18 cs.RO cs.SY eess.SY
Robust Single Machine Makespan Scheduling with Release Date Uncertainty
本文研究了具有不确定交货期的单机最大完工时间鲁棒调度问题。发布日期在已知间隔内取值。我们在两个不同的设置中使用伽马鲁棒性的概念,并解决了鲁棒绝对和鲁棒后悔标准。我们的主要结果是多项式时间算法具有相同的运行时间(O(n log n))的最佳算法的非鲁棒的情况下。
2020-10-20 math.CO math.OC
A Semi-Definite Programming Approach to Robust Adaptive MPC under State Dependent Uncertainty
针对不确定线性系统,提出了一种自适应MPC框架,以实现状态和输入约束的鲁棒满足。假设系统中的不确定性是加性的,状态相关的,全局Lipschitz与一个已知的Lipschitz常数。我们使用一种非参数技术在线识别系统的不确定性,通过二次约束定义的包络线近似其图形。在任何给定的时间,通过求解一组凸优化问题,MPC控制器保证了闭环系统的鲁棒约束满足所有可能的值的系统不确定性建模的包络。不确定性包络线是使用集成员方法与数据细化。我们通过一个详细的数值例子强调了所提出的框架的有效性。
2020-02-15 cs.SY eess.SY math.OC
On the convergence of cutting-plane methods for robust optimization with ellipsoidal uncertainty sets
University of Castilla-La Mancha(卡斯蒂利亚-拉曼恰大学)
本文研究了在具有椭球不确定性集的鲁棒优化中切割平面方法的收敛性,证明了在更一般的形式下,该方法在有限步数内收敛。
2019-04-02 cs.CE cs.NA math.NA
Robust Optimal Control with Adjustable Uncertainty Sets
ETH Zurich(苏黎世联邦理工学院);Oxford University(牛津大学)
本文提出一个统一框架,研究具有可调不确定性集的约束鲁棒最优控制问题,通过将不确定性集作为决策变量,解决确定最优大小和形状的问题,并确保控制策略在所有扰动实现下保持系统约束。
2016-06-07 cs.SY eess.SY math.OC
Robust Policy Selection and Harvest Risk Quantification for Natural Resources Management under Model Uncertainty
本文研究模型不确定性下自然资源管理的最优收获策略选择问题,在新古典增长模型框架下引入初始条件不确定性,利用凸风险测度与 Fréchet 风险测度量化操作与边际风险,从而获得对模型不确定性具有鲁棒性的收获策略。
2022-02-10 math.OC q-fin.RM
The Complexity Landscape of Two-Stage Robust Selection Problems with Budgeted Uncertainty
University of Passau(帕绍大学);IT University of Copenhagen(哥本哈根信息技术大学)
本文研究了两阶段鲁棒选择问题在预算不确定性下的复杂性,证明了连续预算不确定性下的两阶段选择问题为NP难,而代表选择问题则可在多项式时间内解决。
2026-02-18 cs.DS math.OC
On Data-Driven Robust Optimization With Multiple Uncertainty Subsets: Unified Uncertainty Set Representation and Mitigating Conservatism
针对数据驱动鲁棒优化中多不确定性子集并集的计算挑战与保守性问题,提出整体混合整数表示统一描述不确定性集并开发CCG高效计算方法,同时提出融合RO与DRO的新目标函数以缓解保守性,仿真验证了方案有效性。
2025-02-17 cs.SY eess.SY math.OC
Robust Radiotherapy Planning with Spatially Based Uncertainty Sets
针对放射治疗计划中的不确定性,提出基于空间的不确定性集合的鲁棒优化方法,实现个性化参数与紧凑重构,并通过行生成及松弛方案求解,在模拟和真实数据上验证了其鲁棒性与性能优势。
2024-05-26 cs.CE math.OC
Robust Regret Control with Uncertainty-Dependent Baseline
University of Michigan(密歇根大学)
本文提出一种鲁棒遗憾控制框架,基线随不确定性实现自适应,通过线性近似将鲁棒加性遗憾条件转化为标准μ-综合问题,并用数值示例验证。
2025-10-24 cs.SY eess.SY math.OC
Model Calibration via Distributionally Robust Optimization: On the NASA Langley Uncertainty Quantification Challenge
我们研究了一种方法来解决NASA兰利不确定性量化挑战,一个模型校准问题下的偶然性和认识的不确定性。我们的方法是基于集成的强大的优化,更具体地说,最近的一系列研究被称为分布式鲁棒优化,和重要性抽样蒙特卡罗模拟。在这种综合方法中的主要计算机器相当于求解采样线性规划。我们目前的理论统计保证我们的方法,通过连接到非参数假设检验,和数值性能,包括参数校准和下游决策和风险评估任务。
2021-02-03 math.OC stat.ME
Experiments with Tractable Feedback in Robotic Planning under Uncertainty: Insights over a wide range of noise regimes (Extended Report)
Texas A\&M University, College Station TX 77843, USA, .
研究了不确定条件下的机器人规划问题。这个问题可以作为一个随机的最优控制问题,完整的解决方案,这是根本上是棘手的,由于臭名昭著的灾难的维数。我们报告的结果进行了广泛的模拟研究,我们比较了两种方法,这两种方法的目的是通过使用替代,虽然不准确,治疗反馈的手段来挽救易处理性。第一个是最近提出的方法,基于一个接近最佳的“解耦原理”的易处理的反馈设计,其中一个标称开环问题得到解决,其次是一个线性反馈设计的开环。第二种是模型预测控制(MPC),这是一种广泛使用的方法,它在执行过程中使用对标称开环问题的重复重新计算来校正噪声,尽管当被解释为反馈时,这只能说是一种隐式形式。我们研究了一个更广泛的范围比以前报道的噪声水平和经验证据表明,解耦方法允许在广泛的不确定性条件下,而不会过度牺牲性能的易于处理的规划。
2020-07-18 cs.RO cs.SY eess.SY
An Experimental Comparison of Uncertainty Sets for Robust Shortest Path Problems
通过高效算法、数据结构和预处理技术的发展,街道网络中的实际最短路问题现在可以非常快速地解决。但实际上,沿着网络中每个弧的确切旅行时间可能是未知的。这导致发展强大的最短路问题,其中所有可能的弧旅行时间包含在一个所谓的不确定性集的可能结果。鲁棒最短路问题的研究通常假设这个集合是给定的,并根据它的形状提供复杂性结果和算法。然而,在现实世界的问题中实际上可以观察到的只是离散的原始数据点。不确定性的形状已经是一个建模假设。在本文中,我们测试了几个最广泛使用的假设的不确定性集使用现实世界的交通测量提供的芝加哥市。我们计算得到的不同的鲁棒解决方案,并评估哪种不确定性方法实际上是合理的,我们的数据。这将理论研究锚定在现实世界的应用中,并使我们能够指出哪些鲁棒模型应该成为算法开发的未来重点。
2017-04-27 cs.DM cs.DS math.OC
Robust feedback stabilization of interacting multi-agent systems under uncertainty
我们考虑不确定性下的大规模交互代理系统的控制策略。特别关注的是鲁棒控制的设计,允许约束随时间变化的受控系统。为此,我们认为$\mathcal{H}_\infty$控制策略的代理和平均场描述的系统。我们证明了一个独立于代理数量的稳定控制器的$\mathcal{H}_\infty$规范上的界。此外,我们比较了新的控制与现有的方法来处理不确定性的广义多项式混沌展开。一维和二维代理系统的数值结果。
2022-10-05 cs.NA math.NA math.OC
Robust Model Predictive Control with Polytopic Model Uncertainty through System Level Synthesis
针对多面体模型不确定性与加性扰动下的离散线性系统,提出基于System Level Synthesis的鲁棒MPC方法,联合在线优化LTV控制器与不确定性影响界,显著降低保守性且计算量相当。
2023-09-26 cs.SY eess.SY math.OC
Optimal uncertainty bounds for multivariate kernel regression under bounded noise: A Gaussian process-based dual function
Institute for Dynamical Systems and Control, ETH Zurich(动态系统与控制研究所,苏黎世联邦理工学院);Department of Electrical Engineering, Chalmers University of Technology(电气工程系,查尔姆斯理工大学);Department of Mechanical Engineering, Imperial College London(机械工程系,伦敦帝国理工学院)
针对有界噪声下再生核希尔伯特空间中的多输出函数,提出一种紧致、确定性的不确定性界,通过无约束对偶公式获得,具有与经典高斯过程置信界相同的结构,便于集成到下游优化中。
2026-07-10 cs.LG cs.SY eess.SY
Robust Control Barrier Functions for Nonlinear Control Systems with Uncertainty: A Duality-based Approach
本文研究了在漂移和控制向量场中具有参数不确定性的非线性仿射控制系统的稳定性和安全性控制器设计问题。为此,我们引入了新的类的鲁棒控制障碍函数(RCBF)和鲁棒控制李雅普诺夫函数(RCLF),方便的安全关键控制器的合成中存在的参数不确定性,使用二次规划。由于系统的不确定性的初始界限可能是高度保守的,我们提出了一个数据驱动的方法来减少这样的界限使用在线收集的输入输出数据。特别是,我们利用一个完整的集员识别算法,迭代地缩小可能的系统参数在线,并保证学习过程中的稳定性和安全性。两个数值例子说明了所开发的方法的有效性。
2022-08-11 cs.SY eess.SY math.OC
Data-Driven Contextual-Aware Uncertainty Set for Robust Dispatch of Power Systems
本文提出一种数据驱动的上下文感知不确定性集构造方法,利用条件高斯混合模型设计适应不规则分布历史数据的鲁棒调度不确定性集,通过混合整数线性重构实现最坏情况下的鲁棒优化。
2026-05-08 cs.SY eess.SY math.OC
Robust Data-Driven Output Feedback Control via Bootstrapped Multiplicative Noise
The University of Texas at Dallas(德克萨斯大学达拉斯分校);The Australian National University(澳大利亚国立大学)
我们提出了一个强大的数据驱动的输出反馈控制算法,显式地将固有的有限样本模型估计不确定性的控制设计。该算法有三个组成部分:(1)一个子空间识别标称模型估计;(2)一个自举响应方法,量化的非渐近方差的标称模型估计;和(3)一个非传统的鲁棒控制设计方法,包括耦合的最佳动态输出反馈滤波器和控制器与乘性噪声。所提出的方法的一个主要优点是,系统辨识和鲁棒控制设计过程都使用随机不确定性表示,使实际固有的统计估计不确定性直接对准的不确定性的鲁棒控制器正在设计。此外,控制设计方法容纳了一个高度结构化的不确定性表示,可以捕捉不确定性形状比现有的方法更有效。我们通过数值实验表明,所提出的鲁棒数据驱动的输出反馈控制器可以显着优于确定性等效控制器的样本复杂性和稳定性鲁棒性的各种措施。
2022-05-10 cs.LG cs.SY eess.SY