Надежная оптимизация
Робастная оптимизация — это область математической теории оптимизации , которая занимается задачами оптимизации, в которых ищется определенная мера устойчивости к неопределенности , которая может быть представлена как детерминированная изменчивость значений параметров самой задачи и/или ее решения. Он связан с вероятностными методами оптимизации, такими как оптимизация с ограничением шансов, но часто отличается от них .
История [ править ]
Истоки робастной оптимизации восходят к созданию современной теории принятия решений в 1950-х годах и использованию анализа наихудшего случая и максиминной модели Уолда в качестве инструмента для обработки серьезной неопределенности. В 1970-е годы она стала отдельной дисциплиной, параллельно развиваясь в нескольких научных и технологических областях. На протяжении многих лет он применялся в статистике , а также в исследованиях операций . [1] электротехника , [2] [3] [4] теория управления , [5] финансы , [6] управление портфелем [7] логистика , [8] машиностроение , [9] химическая инженерия , [10] лекарство , [11] и информатика . В инженерных задачах эти формулировки часто называют «оптимизацией надежного проектирования», RDO или «оптимизацией проектирования, основанной на надежности», RBDO.
Пример 1 [ править ]
Рассмотрим следующую линейного программирования задачу
где представляет собой заданное подмножество .
Что делает эту задачу «робастной оптимизации» так это пункт в ограничениях. Отсюда следует, что для пары чтобы быть допустимым, ограничение должен довольствоваться худшим относящийся к , а именно пара что максимизирует ценность за заданное значение .
Если пространство параметров конечна (состоит из конечного числа элементов), то эта робастная задача оптимизации сама по себе является задачей линейного программирования : для каждого существует линейное ограничение .
Если не является конечным множеством, то эта проблема представляет собой задачу линейного полубесконечного программирования , а именно задачу линейного программирования с конечным числом (2) переменных решения и бесконечным числом ограничений.
Классификация [ править ]
Существует ряд критериев классификации задач/моделей робастной оптимизации. В частности, можно различать проблемы, связанные с локальными и глобальными моделями устойчивости; и между вероятностными и невероятностными моделями устойчивости. Современная робастная оптимизация имеет дело в первую очередь с невероятностными моделями устойчивости, которые ориентированы на наихудший случай и поэтому обычно используют максиминные модели Уолда .
Локальная устойчивость [ править ]
Есть случаи, когда требуется устойчивость к небольшим изменениям номинального значения параметра. Очень популярной моделью локальной устойчивости является модель радиуса устойчивости :
где обозначает номинальное значение параметра, обозначает шар радиуса сосредоточено в и обозначает набор значений которые удовлетворяют заданным условиям стабильности/производительности, связанным с решением .
Другими словами, робастность (радиус устойчивости) решения - радиус наибольшего шара с центром в все элементы которого удовлетворяют требованиям устойчивости, предъявляемым к . Картина такая:
где прямоугольник представляет собой набор всех значений связанный с решением .
Глобальная надежность
Рассмотрим простую абстрактную задачу устойчивой оптимизации.
где обозначает набор всех возможных значений на рассмотрении.
Это глобальная задача робастной оптимизации в том смысле, что ограничение устойчивости представляет все возможные значения .
Трудность состоит в том, что такое «глобальное» ограничение может быть слишком жестким, поскольку не существует никаких ограничений. который удовлетворяет этому ограничению. Но даже если такое существует, ограничение может быть слишком «консервативным» в том смысле, что оно дает решение это приносит очень небольшой выигрыш это не отражает эффективность других решений в . Например, может существовать это лишь незначительно нарушает ограничение устойчивости, но дает очень большой выигрыш . В таких случаях может потребоваться немного ослабить ограничение устойчивости и/или изменить постановку задачи.
Пример 2 [ править ]
Рассмотрим случай, когда целью является удовлетворение ограничения . где обозначает переменную решения и параметр, набор возможных значений которого в . Если нет такой, что , то напрашивается следующая интуитивная мера устойчивости:
где обозначает подходящую меру «размера» множества . Например, если конечное множество, то можно определить как мощность множества .
Другими словами, надежность решения — это размер наибольшего подмножества для которого ограничение удовлетворен для каждого в этом наборе. Оптимальным решением является тогда решение, устойчивость которого является наибольшей.
Это дает следующую робастную задачу оптимизации:
Это интуитивное понятие глобальной устойчивости не часто используется на практике, поскольку проблемы устойчивой оптимизации, которые оно вызывает, обычно (не всегда) очень трудно решить.
Пример 3 [ править ]
Рассмотрим задачу устойчивой оптимизации
где является вещественной функцией на и предположим, что не существует допустимого решения этой проблемы, поскольку ограничение устойчивости слишком требовательна.
Чтобы преодолеть эту трудность, позвольте быть относительно небольшим подмножеством представляющие «нормальные» значения и рассмотрим следующую робастную задачу оптимизации:
С намного меньше, чем , его оптимальное решение может не работать хорошо на большой части и, следовательно, не может быть устойчивым к изменчивости над .
Один из способов решить эту трудность — ослабить ограничение для значений вне съемочной площадки контролируемым образом, чтобы допускать более крупные нарушения по мере того, как расстояние от увеличивается. Например, рассмотрим ослабленное ограничение устойчивости
где является управляющим параметром и обозначает расстояние от . Таким образом, для ослабленное ограничение устойчивости возвращается к исходному ограничению устойчивости.Это дает следующую (расслабленную) робастную задачу оптимизации:
Функция определяется таким образом, что
и
и, следовательно, оптимальное решение ослабленной задачи удовлетворяет исходному ограничению для всех значений в . Он также удовлетворяет ослабленному ограничению
снаружи .
Невероятностные оптимизации модели устойчивой
Доминирующей парадигмой в этой области робастной оптимизации является максиминная модель Уолда , а именно:
где представляет лицо, принимающее решения, представляет Природу, а именно неопределенность , представляет собой пространство решений и обозначает набор возможных значений связанный с решением . Это классический формат общей модели, который часто называют минимаксной или максиминной задачей оптимизации. Невероятностная ( детерминированная ) модель широко использовалась и используется для надежной оптимизации, особенно в области обработки сигналов. [12] [13] [14]
Эквивалентное математическое программирование (МП) классического формата, описанного выше:
Ограничения могут быть явно включены в эти модели. Общий ограниченный классический формат:
Эквивалентный ограниченный формат MP определяется как:
устойчивые модели Вероятностно - оптимизации
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 сценариев, способных количественно оценить уровень надежности решений, полученных путем рандомизации. Эти методы также относятся к методам 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, поддается ли ее надежный аналог вычислительной обработке. [15] [16]
См. также [ править ]
- Радиус устойчивости
- Минимакс
- Минимаксная оценка
- Минимаксное сожаление
- Надежная статистика
- Надежное принятие решений
- Стохастическое программирование
- Стохастическая оптимизация
- Теория принятия решений при информационном дефиците
- Методы Тагучи
Ссылки [ править ]
- ^ Берцимас, Димитрис; Сим, Мелвин (2004). «Цена надежности». Исследование операций . 52 (1): 35–53. дои : 10.1287/opre.1030.0065 . hdl : 2268/253225 . S2CID 8946639 .
- ^ Хиральдо, Хуан С.; Кастрийон, Джон А.; Лопес, Хуан Камило; Райдер, Маркос Дж.; Кастро, Карлос А. (июль 2019 г.). «Управление энергопотреблением в микросетях с использованием надежного выпуклого программирования» . Транзакции IEEE в Smart Grid . 10 (4): 4520–4530. дои : 10.1109/TSG.2018.2863049 . ISSN 1949-3053 . S2CID 115674048 .
- ^ Шабанзаде М; Шейх-Эль-Эслами, депутат Кнессета; Хагифам, П; МР (октябрь 2015 г.). «Разработка инструмента хеджирования рисков для виртуальных электростанций с помощью надежного подхода к оптимизации». Прикладная энергетика . 155 : 766–777. дои : 10.1016/j.apenergy.2015.06.059 .
- ^ Шабанзаде М; Фаттахи, М. (июль 2015 г.). «Планирование технического обслуживания генерации посредством надежной оптимизации». 2015 23-я Иранская конференция по электротехнике . стр. 1504–1509. doi : 10.1109/IranianCEE.2015.7146458 . ISBN 978-1-4799-1972-7 . S2CID 8774918 .
- ^ Харгонекар, ПП; Петерсен, ИК; Чжоу, К. (1990). «Робастная стабилизация неопределенных линейных систем: квадратичная стабилизируемость и теория бесконечности / управления H/sup». Транзакции IEEE при автоматическом управлении . 35 (3): 356–361. дои : 10.1109/9.50357 .
- ^ Надежная оптимизация портфеля
- ^ Доктор Асадуджаман и Кайс Заман, «Надежная оптимизация портфеля в условиях неопределенности данных», 15-я Национальная статистическая конференция, декабрь 2014 г., Дакка, Бангладеш.
- ^ Ю, Чиан-Сон; Ли, Хань-Лин (2000). «Надежная модель оптимизации для стохастических логистических задач». Международный журнал экономики производства . 64 (1–3): 385–397. дои : 10.1016/S0925-5273(99)00074-2 .
- ^ Страно, М. (2006). «Оптимизация в условиях неопределенности процессов обработки листового металла методом конечных элементов». Труды Института инженеров-механиков, Часть B: Журнал машиностроительного производства . 220 (8): 1305–1315. дои : 10.1243/09544054JEM480 . S2CID 108843522 .
- ^ Бернардо, Фернандо П.; Сарайва, Педро М. (1998). «Надежная система оптимизации параметров процесса и проектирования допусков». Журнал Айше . 44 (9): 2007–2017. дои : 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 модулированной интенсивностью в условиях неопределенности». Физика в медицине и биологии . 50 (23): 5463–5477. Бибкод : 2005PMB....50.5463C . дои : 10.1088/0031-9155/50/23/003 . ПМИД 16306645 . S2CID 15713904 .
- ^ Верду, С.; Бедный, Х.В. (1984). «О минимаксной устойчивости: общий подход и приложения». Транзакции IEEE по теории информации . 30 (2): 328–340. CiteSeerX 10.1.1.132.837 . дои : 10.1109/тит.1984.1056876 .
- ^ Кассам, ЮАР; Бедный, Х.В. (1985). «Надежные методы обработки сигналов: обзор». Труды IEEE . 73 (3): 433–481. дои : 10.1109/proc.1985.13167 . hdl : 2142/74118 . S2CID 30443041 .
- ^ М. Датский Нисар. «Минимаксная устойчивость при обработке сигналов для связи» , Шейкер Верлаг, ISBN 978-3-8440-0332-1 , август 2011 г.
- ^ Бен-Тал А., Эль Гауи Л. и Немировский А. (2009). Надежная оптимизация. Принстонская серия по прикладной математике, Princeton University Press, 9–16.
- ^ Лейффер С. , Меникелли М., Мансон Т., Ванарет К. и Уайлд С.М. (2020). Обзор нелинейной робастной оптимизации. ИНФОР: Информационные системы и операционные исследования, Тейлор и Фрэнсис.
Дальнейшее чтение [ править ]
- Х. Дж. Гринберг. Словарь математического программирования. Всемирная паутина, http://glossary.computing.society.informs.org/ , 1996–2006 гг. Под редакцией Вычислительного общества ИНФОРМС.
- Бен-Тал, А.; Немировский, А. (1998). «Надежная выпуклая оптимизация». Математика исследования операций . 23 (4): 769–805. CiteSeerX 10.1.1.135.798 . дои : 10.1287/moor.23.4.769 . S2CID 15905691 .
- Бен-Тал, А.; Немировский, А. (1999). «Надежные решения неопределенных линейных программ». Письма об исследованиях операций . 25 : 1–13. CiteSeerX 10.1.1.424.861 . дои : 10.1016/s0167-6377(99)00016-4 .
- Бен-Тал, А.; Аркадий Немировский, А. (2002). «Надежная оптимизация - методология и приложения». Математическое программирование, серия Б. 92 (3): 453–480. CiteSeerX 10.1.1.298.7965 . дои : 10.1007/s101070100286 . S2CID 1429482 .
- Бен-Тал А., Эль Гауи Л. и Немировский А. (2006). Математическое программирование, специальный выпуск по робастной оптимизации, том 107 (1-2).
- Бен-Тал А., Эль Гауи Л. и Немировский А. (2009). Надежная оптимизация. Принстонская серия по прикладной математике, Princeton University Press.
- Берцимас, Д.; Сим, М. (2003). «Надежная дискретная оптимизация и сетевые потоки». Математическое программирование . 98 (1–3): 49–71. CiteSeerX 10.1.1.392.4470 . дои : 10.1007/s10107-003-0396-4 . S2CID 1279073 .
- Берцимас, Д.; Сим, М. (2006). «Разрешимые аппроксимации к робастным задачам конической оптимизации Димитрис Берцимас». Математическое программирование . 107 (1): 5–36. CiteSeerX 10.1.1.207.8378 . дои : 10.1007/s10107-005-0677-1 . S2CID 900938 .
- Чен, В.; Сим, М. (2009). «Оптимизация, основанная на цели». Исследование операций . 57 (2): 342–357. дои : 10.1287/опре.1080.0570 .
- Чен, X.; Сим, М.; Сан, П.; Чжан, Дж. (2008). «Подход к стохастическому программированию на основе линейного решения». Исследование операций . 56 (2): 344–357. дои : 10.1287/opre.1070.0457 .
- Чен, X.; Сим, М.; Сан, П. (2007). «Надежная перспектива оптимизации стохастического программирования». Исследование операций . 55 (6): 1058–1071. дои : 10.1287/opre.1070.0441 .
- Дембо, Р. (1991). «Оптимизация сценария». Анналы исследования операций . 30 (1): 63–80. дои : 10.1007/bf02204809 . S2CID 44126126 .
- Додсон Б., Хэмметт П. и Клеркс Р. (2014) Вероятностное проектирование для оптимизации и надежности для инженеров John Wiley & Sons, Inc. ISBN 978-1-118-79619-1
- Гупта, Словакия; Розенхед, Дж. (1968). «Надежность в последовательных инвестиционных решениях». Наука управления . 15 (2): 18–29. дои : 10.1287/mnsc.15.2.B18 .
- Кувелис П. и Ю Г. (1997). Робастная дискретная оптимизация и ее приложения, Клювер.
- Мутапчич, Альмир; Бойд, Стивен (2009). «Методы вырезания для надежной выпуклой оптимизации с пессимистическими оракулами». Методы оптимизации и программное обеспечение . 24 (3): 381–406. CiteSeerX 10.1.1.416.4912 . дои : 10.1080/10556780802712889 . S2CID 16443437 .
- Малви, Дж. М.; Вандербей, Р.Дж.; Зениос, SA (1995). «Надежная оптимизация крупномасштабных систем». Исследование операций . 43 (2): 264–281. дои : 10.1287/опре.43.2.264 .
- Неядсейфи О., Гейселерс HJM, ван ден Бугаард А.Х. (2018). «Надежная оптимизация, основанная на аналитической оценке распространения неопределенности». Инженерная оптимизация 51 (9): 1581-1603. дои:10.1080/0305215X.2018.1536752 .
- Розенблат, MJ (1987). «Надежный подход к проектированию объектов». Международный журнал производственных исследований . 25 (4): 479–486. дои : 10.1080/00207548708919855 .
- Розенхед, MJ; Элтон, М; Гупта, СК (1972). «Надежность и оптимальность как критерии стратегических решений». Ежеквартальный журнал операционных исследований . 23 (4): 413–430. дои : 10.2307/3007957 . JSTOR 3007957 .
- Рустем Б. и Хоу М. (2002). Алгоритмы проектирования наихудшего случая и приложения к управлению рисками, Princeton University Press.
- Снедович, М (2007). «Искусство и наука моделирования принятия решений в условиях жесткой неопределенности» . Принятие решений в производстве и сфере услуг . 1 (1–2): 111–136. дои : 10.7494/dmms.2007.1.2.111 .
- Снедович, М (2008). «Максиминовая модель Уолда: замаскированное сокровище!». Журнал рискового финансирования . 9 (3): 287–291. дои : 10.1108/15265940810875603 .
- Снедович, М (2010). «Теория принятия решений при информационном дефиците с высоты птичьего полета». Журнал рискового финансирования . 11 (3): 268–283. дои : 10.1108/15265941011043648 .
- Вальд, А. (1939). «Вклад в теорию статистических оценок и проверки гипотез» . Анналы математики . 10 (4): 299–326. дои : 10.1214/aoms/1177732144 .
- Вальд, А. (1945). «Функции статистического принятия решений, минимизирующие максимальный риск». Анналы математики . 46 (2): 265–280. дои : 10.2307/1969022 . JSTOR 1969022 .
- Уолд, А. (1950). Статистические функции принятия решений, Джон Уайли, Нью-Йорк.
- Шабанзаде, Мортеза; Фаттахи, Мохаммед (2015). «Планирование технического обслуживания генерации посредством надежной оптимизации». 2015 23-я Иранская конференция по электротехнике . стр. 1504–1509. doi : 10.1109/IranianCEE.2015.7146458 . ISBN 978-1-4799-1972-7 . S2CID 8774918 .