Робастная оптимизация - это область теории оптимизации, которая занимается проблемами оптимизации, в которых ищется определенная мера устойчивости к неопределенности, которая может быть представлена как детерминированная изменчивость значений параметров самой проблемы и / или ее решения.
История [ править ]
Истоки надежной оптимизации восходят к созданию современной теории принятия решений в 1950-х годах и использованию анализа наихудшего случая и модели максимина Вальда в качестве инструмента для обработки серьезной неопределенности. Это стало самостоятельной дисциплиной в 1970-х годах с параллельным развитием в нескольких научных и технологических областях. На протяжении многих лет он применялся в статистике , а также в исследованиях операций , [1] электротехнике , [2] [3] теории управления , [4] финансах , [5] управлении портфелем [6] логистике ,[7] Технология машиностроения , [8] химического машиностроения , [9] препарат , [10] и информатика . В инженерных задачах эти формулировки часто называют «оптимизацией надежной конструкции», RDO или «оптимизацией конструкции на основе надежности», RBDO.
Пример 1 [ править ]
Рассмотрим следующую задачу линейного программирования
где заданное подмножество .
Что делает эту проблему «устойчивой оптимизации», так это положение в ограничениях. Из этого следует, что для того, чтобы пара была допустимой, ограничению должно удовлетворять худшее, относящееся к , а именно пара, которая максимизирует значение для данного значения .
Если пространство параметров конечно (состоящее из конечного числа элементов), то эта задача робастной оптимизации сама по себе является проблемой линейного программирования : для каждого существует линейное ограничение .
Если не является конечным множеством, то эта задача является задачей линейного полубесконечного программирования , а именно задачей линейного программирования с конечным числом (2) переменных решения и бесконечным числом ограничений.
Классификация [ править ]
Существует ряд критериев классификации для надежных задач / моделей оптимизации. В частности, можно различать проблемы, связанные с локальными и глобальными моделями устойчивости; и между вероятностными и не вероятностными моделями устойчивости. Современная робастная оптимизация имеет дело в первую очередь с не вероятностными моделями устойчивости, которые ориентированы на наихудший случай и поэтому обычно используют максиминные модели Уолда .
Локальная устойчивость [ править ]
Бывают случаи, когда требуется устойчивость к небольшим отклонениям номинального значения параметра. Очень популярной моделью локальной устойчивости является модель радиуса устойчивости :
где обозначает номинальное значение параметра, обозначает шар радиуса с центром и обозначает набор значений, которые удовлетворяют заданным условиям стабильности / производительности, связанным с принятием решения .
Другими словами, надежность (радиус устойчивости) решения - это радиус наибольшего шара с центром во всех элементах, удовлетворяющих предъявляемым требованиям устойчивости . Картина такая:
где прямоугольник представляет собой набор всех значений, связанных с решением .
Глобальная надежность [ править ]
Рассмотрим простую абстрактную задачу робастной оптимизации
где обозначает множество всех возможных рассматриваемых значений .
Это глобальная проблема устойчивой оптимизации в том смысле, что ограничение устойчивости представляет все возможные значения .
Сложность состоит в том, что такое «глобальное» ограничение может быть слишком сложным, поскольку нет ничего, что удовлетворяет этому ограничению. Но даже если такое существует, ограничение может быть слишком «консервативным» в том смысле, что оно дает решение, которое дает очень небольшую отдачу , не отражающую эффективность других решений в . Например, может существовать объект, который лишь незначительно нарушает ограничение устойчивости, но дает очень большую отдачу . В таких случаях может потребоваться немного ослабить ограничение устойчивости и / или изменить формулировку проблемы.
Пример 2 [ править ]
Рассмотрим случай, когда цель состоит в том, чтобы удовлетворить ограничение . где обозначает переменную решения и является параметром, набор возможных значений которого в . Если такого нет , то напрашивается следующая интуитивная мера устойчивости:
где обозначает соответствующую меру «размера» набора . Например, если это конечное множество, то его можно определить как мощность множества .
Другими словами, надежность решения - это размер наибольшего подмножества, для каждого из которых выполняется ограничение в этом наборе. Тогда оптимальное решение - это решение, надежность которого является наибольшей.
Это приводит к следующей проблеме устойчивой оптимизации:
Это интуитивное понятие глобальной устойчивости нечасто используется на практике, потому что проблемы устойчивой оптимизации, которые оно вызывает, обычно (не всегда) очень трудно решить.
Пример 3 [ править ]
Рассмотрим проблему робастной оптимизации
где - функция с действительным знаком на , и предположим, что не существует допустимого решения этой проблемы, потому что ограничение устойчивости слишком требовательно.
Чтобы преодолеть эту трудность, позвольте быть относительно небольшим подмножеством, представляющим "нормальные" значения, и рассмотрим следующую проблему робастной оптимизации:
Так как он намного меньше чем , его оптимальное решение может не работать хорошо на большой части и, следовательно, не может быть устойчивым к изменчивости over .
Один из способов исправить эту трудность - ослабить ограничение для значений вне набора контролируемым образом, чтобы допускались более крупные нарушения по мере увеличения расстояния от . Например, рассмотрим ослабленное ограничение устойчивости
где - управляющий параметр и обозначает расстояние от . Таким образом, для ослабленного ограничения устойчивости возвращается исходное ограничение устойчивости. Это дает следующую (смягченную) задачу робастной оптимизации:
Функция определяется таким образом, что
а также
и поэтому оптимальное решение ослабленной задачи удовлетворяет исходному ограничению для всех значений in . Он также удовлетворяет ослабленному ограничению
снаружи .
Невероятностные робастные модели оптимизации [ править ]
Доминирующей парадигмой в этой области робастной оптимизации является модель максимина Вальда , а именно:
где представляет лицо, принимающее решение, представляет природу, а именно неопределенность , представляет пространство решений и обозначает набор возможных значений, связанных с решением . Это классический формат общей модели, который часто называют задачей минимаксной или максиминной оптимизации. Невероятностная ( детерминированная ) модель широко использовалась и широко используется для надежной оптимизации, особенно в области обработки сигналов. [11] [12] [13]
Эквивалентное математическое программирование (MP) классического формата выше:
В эти модели можно явно включить ограничения. Общий ограниченный классический формат:
Эквивалентный ограниченный формат MP определяется как:
Вероятностно устойчивые модели оптимизации [ править ]
Эти модели количественно определяют неопределенность «истинного» значения интересующего параметра с помощью функций распределения вероятностей. Их традиционно классифицируют как модели стохастического программирования и стохастической оптимизации . В последнее время вероятностно устойчивая оптимизация приобрела популярность благодаря введению строгих теорий, таких как оптимизация сценария, способная количественно оценить уровень надежности решений, полученных с помощью рандомизации. Эти методы также актуальны для методов оптимизации на основе данных.
Надежный аналог [ править ]
Метод решения многих надежных программ включает создание детерминированного эквивалента, называемого надежным аналогом. Практическая сложность надежной программы зависит от того, является ли ее надежный аналог вычислительно управляемым. [14] [15]
См. Также [ править ]
- Радиус устойчивости
- Минимакс
- Минимаксный оценщик
- Минимальное сожаление
- Надежная статистика
- Твердое принятие решений
- Стохастическое программирование
- Стохастическая оптимизация
- Теория принятия решений по информационным пробелам
- Методы Тагучи
Ссылки [ править ]
- ^ Берцимас, Димитрис; Сим, Мелвин (2004). «Цена надежности». Исследование операций . 52 (1): 35–53. DOI : 10.1287 / opre.1030.0065 .
- ^ Шабанзаде М; Шейх-Эль-Эслами, МК; Haghifam, P; MR (октябрь 2015 г.). «Разработка инструмента хеджирования рисков для виртуальных электростанций с помощью надежного подхода к оптимизации». Прикладная энергия . 155 : 766–777. DOI : 10.1016 / j.apenergy.2015.06.059 .
- ^ Шабанзаде М; Фаттахи, М. (июль 2015 г.). Планирование технического обслуживания поколения с помощью надежной оптимизации . 23-я Иранская конференция по электротехнике (ICEE) . С. 1504–1509. DOI : 10.1109 / IranianCEE.2015.7146458 . ISBN 978-1-4799-1972-7.
- ^ Харгонекар, ПП; Petersen, IR; Чжоу, К. (1990). «Робастная стабилизация неопределенных линейных систем: квадратичная стабилизируемость и H / sup infinity / теория управления». IEEE Transactions по автоматическому контролю . 35 (3): 356–361. DOI : 10.1109 / 9.50357 .
- ^ Надежная оптимизация портфеля
- ^ Md. Asadujjaman и Kais Заман «Robust Оптимизация портфеля при данных неопределенности» пятнадцатый Национальная конференциястатистическим, декабрь 2014, Дакка, Бангладеш.
- ^ Ю, Чиан-Сон; Ли, Хан-Линь (2000). «Робастная модель оптимизации для стохастических логистических задач». Международный журнал экономики производства . 64 (1–3): 385–397. DOI : 10.1016 / S0925-5273 (99) 00074-2 .
- ^ Strano, M (2006). «Оптимизация в условиях неопределенности процессов обработки листового металла методом конечных элементов». Труды Института инженеров-механиков, Часть B: Журнал машиностроения . 220 (8): 1305–1315. DOI : 10.1243 / 09544054JEM480 .
- ^ Бернардо, Фернандо П .; Сараива, Педро М. (1998). «Надежная система оптимизации параметров процесса и проектирования допусков». Журнал Айше . 44 (9): 2007–2017. DOI : 10.1002 / aic.690440908 . hdl : 10316/8195 .
- ^ Чу, Милли; Зинченко, Юрий; Хендерсон, Шейн Дж. Шарп, Майкл Б. (2005). «Надежная оптимизация планирования лечения лучевой терапией с модуляцией интенсивности в условиях неопределенности». Физика в медицине и биологии . 50 (23): 5463–5477. DOI : 10.1088 / 0031-9155 / 50/23/003 . PMID 16306645 .
- ^ Verdu, S .; Бедный, HV (1984). «О минимаксной устойчивости: общий подход и приложения». IEEE Transactions по теории информации . 30 (2): 328–340. CiteSeerX 10.1.1.132.837 . DOI : 10,1109 / tit.1984.1056876 .
- ^ Кассам, SA; Бедный, HV (1985). «Надежные методы обработки сигналов: обзор». Труды IEEE . 73 (3): 433–481. DOI : 10,1109 / proc.1985.13167 . ЛВП : 2142/74118 .
- ^ М. Датский Нисар. "Minimax Robustness in Signal Processing for Communications" , Shaker Verlag, ISBN 978-3-8440-0332-1 , август 2011 г.
- ^ Бен-Таль А., Эль Ghaoui, Л. и Немировский, А. (2009). Надежная оптимизация. Принстонская серия по прикладной математике, Princeton University Press, 9-16.
- ^ Лейффер С., Меникелли М., Мансон Т., Ванарет С. и Уайлд С. М. (2020). Обзор нелинейной робастной оптимизации. ИНФОР: информационные системы и операционные исследования, Тейлор и Фрэнсис.
Дальнейшее чтение [ править ]
- Г. Дж. Гринберг. Глоссарий математического программирования. Всемирная паутина, http://glossary.computing.society.informs.org/ , 1996-2006. Под редакцией INFORMS Computing Society.
- Бен-Тал, А .; Немировский, А. (1998). «Робастная выпуклая оптимизация». Математика исследования операций . 23 (4): 769–805. CiteSeerX 10.1.1.135.798 . DOI : 10.1287 / moor.23.4.769 .
- Бен-Тал, А .; Немировский, А. (1999). «Надежные решения неопределенных линейных программ». Письма об исследованиях операций . 25 : 1–13. CiteSeerX 10.1.1.424.861 . DOI : 10.1016 / s0167-6377 (99) 00016-4 .
- Бен-Тал, А .; Аркадий Немировский, А. (2002). «Надежная оптимизация - методология и приложения». Математическое программирование, серия B . 92 (3): 453–480. CiteSeerX 10.1.1.298.7965 . DOI : 10.1007 / s101070100286 .
- Бен-Тал А., Эль-Гауи, Л. и Немировски, А. (2006). Математическое программирование, Специальный выпуск робастной оптимизации, Том 107 (1-2).
- Бен-Тал А., Эль-Гауи, Л. и Немировски, А. (2009). Надежная оптимизация. Принстонская серия по прикладной математике, Princeton University Press.
- Берцимас, Д .; Сим, М. (2003). «Робастная дискретная оптимизация и сетевые потоки». Математическое программирование . 98 (1–3): 49–71. CiteSeerX 10.1.1.392.4470 . DOI : 10.1007 / s10107-003-0396-4 .
- Берцимас, Д .; Сим, М. (2006). "Податливые приближения к задачам робастной конической оптимизации Димитрис Берцимас". Математическое программирование . 107 (1): 5–36. CiteSeerX 10.1.1.207.8378 . DOI : 10.1007 / s10107-005-0677-1 .
- Chen, W .; Сим, М. (2009). «Оптимизация на основе цели». Исследование операций . 57 (2): 342–357. DOI : 10.1287 / opre.1080.0570 .
- Чен, X .; Sim, M .; Sun, P .; Чжан, Дж. (2008). "Приближение на основе линейного решения к стохастическому программированию". Исследование операций . 56 (2): 344–357. DOI : 10.1287 / opre.1070.0457 .
- Чен, X .; Sim, M .; Солнце, П. (2007). «Робастная перспектива оптимизации стохастического программирования». Исследование операций . 55 (6): 1058–1071. DOI : 10.1287 / opre.1070.0441 .
- Дембо, Р. (1991). «Оптимизация сценария». Анналы исследований операций . 30 (1): 63–80. DOI : 10.1007 / bf02204809 .
- Додсон, Б., Хэммет, П., и Клеркс, Р. (2014) Вероятностный дизайн для оптимизации и устойчивости для инженеров John Wiley & Sons, Inc. ISBN 978-1-118-79619-1
- Гупта, СК; Розенхед Дж. (1968). «Устойчивость в последовательных инвестиционных решениях». Наука управления . 15 (2): 18–29. DOI : 10.1287 / mnsc.15.2.B18 .
- Кувелис П., Ю. Г. (1997). Робастная дискретная оптимизация и ее приложения, Kluwer.
- Мутапчич, Альмир; Бойд, Стивен (2009). «Методы вырезания множества для надежной выпуклой оптимизации с пессимизирующими оракулами». Методы и программное обеспечение оптимизации . 24 (3): 381–406. CiteSeerX 10.1.1.416.4912 . DOI : 10.1080 / 10556780802712889 .
- Mulvey, JM; Vanderbei, RJ; Зениос, С.А. (1995). «Робастная оптимизация крупномасштабных систем». Исследование операций . 43 (2): 264–281. DOI : 10.1287 / opre.43.2.264 .
- Розенблат, MJ (1987). «Надежный подход к проектированию объектов». Международный журнал производственных исследований . 25 (4): 479–486. DOI : 10.1080 / 00207548708919855 .
- Розенхед, MJ; Элтон, М; Гупта, СК (1972). «Устойчивость и оптимальность как критерии стратегических решений». Ежеквартальные операционные исследования . 23 (4): 413–430. DOI : 10.2307 / 3007957 . JSTOR 3007957 .
- Рустем Б. и Хау М. (2002). Алгоритмы для наихудшего дизайна и приложения к управлению рисками, Princeton University Press.
- Сниедович, М (2007). «Искусство и наука моделирования принятия решений в условиях серьезной неопределенности» . Принятие решений в сфере производства и услуг . 1 (1–2): 111–136. DOI : 10,7494 / dmms.2007.1.2.111 .
- Сниедович, М (2008). «Модель Максимина Вальда: скрытое сокровище!». Журнал риск-финансирования . 9 (3): 287–291. DOI : 10.1108 / 15265940810875603 .
- Сниедович, М (2010). «Взгляд с высоты на теорию принятия решений по информационному разрыву». Журнал риск-финансирования . 11 (3): 268–283. DOI : 10.1108 / 15265941011043648 .
- Вальд, А (1939). «Вклад в теорию статистического оценивания и проверки гипотез» . Анналы математики . 10 (4): 299–326. DOI : 10.1214 / АОМ / 1177732144 .
- Вальд, А (1945). «Статистические функции принятия решений, минимизирующие максимальный риск». Анналы математики . 46 (2): 265–280. DOI : 10.2307 / 1969022 . JSTOR 1969022 .
- Вальд, А. (1950). Статистические функции принятия решений, Джон Вили, штат Нью-Йорк.
- Шабанзаде, Мортеза; Фаттахи, Мохаммад (2015). «Планирование технического обслуживания генерации с помощью надежной оптимизации». 2015 23-я Иранская конференция по электротехнике . С. 1504–1509. DOI : 10.1109 / IranianCEE.2015.7146458 . ISBN 978-1-4799-1972-7.
Внешние ссылки [ править ]
- РИМ: надежная оптимизация стала проще
- Надежное принятие решений в условиях крайней неопределенности