诺扬，尼莱;加博尔·鲁道夫;米盖尔·勒杰恩 决策相关模糊集下的分布稳健优化，应用于机器调度和人道主义物流。 （英语） Zbl 07551207号 信息J.计算。 34，第2期，729-751（2022）. 摘要：我们介绍了一类新的决策相关模糊集下的分布鲁棒优化问题。特别是，在我们的模糊集中，我们考虑以决策相关概率分布为中心的球。这些球是基于推土机距离包括总变异距离和Wasserstein指标。我们讨论了在解决感兴趣的问题时的主要计算挑战，并概述了导致易于处理的公式的各种设置。出现的一些副结果，例如离散空间中稳健风险度量的数学规划表达式，也具有独立的意义。最后，我们依靠机器调度和人道主义物流的最新建模技术实现潜在的实际应用，并对一个具有可控处理时间的新型风险规避调度问题进行了数值研究。贡献总结：在本研究中，我们引入了一类新的优化问题，同时解决了分布和决策相关的不确定性。我们提出了一个统一的建模框架，讨论了指定关键模型组件的可能方法，并讨论了在解决感兴趣的复杂问题时的主要计算挑战。特别注意确定可以缓解这些挑战的环境和问题类别。特别是，我们提供了模型重新计算结果，包括稳健风险度量的数学规划表达式，并描述了如何利用这些结果来获得人道主义物流和机器调度领域中特定应用问题的易处理公式。为了证明建模方法的价值并研究所提出的混合整数线性规划公式的性能，我们对一个具有可控加工时间的新型风险规避机器调度问题进行了计算研究。我们获得了关于建模方法和关键参数选择的决策影响的见解。 引用于6文件 MSC公司： 90倍X 运筹学、数学规划 关键词：分布鲁棒优化;决策相关模糊性;推土机距离;瓦瑟斯坦公制;内生不确定性;决策相关概率;稳健风险;随机调度;可控处理时间;鲁棒调度;强健的灾前准备;随机链路故障;网络阻断 软件：EMD公司;罗马 PDF格式BibTeX公司 XML格式引用 \textit{N.Noyan}等人，《信息与计算》。34，编号2，729--751（2022；Zbl 07551207） 全文： DOI程序 链接 参考文献： [1] Artzner P、Delbaen F、Eber J、Heath D（1999）《一致的风险度量》。数学。财务9（3）：203-228.Crossref，谷歌学者·Zbl 0980.91042号 ·数字对象标识代码：10.1111/1467-9965.00068 [2] Atakan S，Bülbül K，Noyan N（2017）最小化单机调度中的风险价值。安·Oper。物件。248（1）：25-73.Crossref，谷歌学者·Zbl 1357.90062号 ·doi:10.1007/s10479-016-2251-z [3] Bardou O，Frikha N，Pages G（2009）使用随机近似和自适应无约束重要性抽样计算VaR和CVaR。蒙特卡洛方法应用。15（3）：173-210.谷歌学者Crossref·Zbl 1185.91091号 ·doi:10.1515/MCMA.2009.011 [4] Bayraksan G，Love D（2015），使用phi-divergences的数据驱动随机规划，第1章。运筹学革命。《运筹学教程》（INFORMS，Catonsville，MD），1-19。https://pubsonline.informs.org/doi/abs/101287/educ.2015.0134.链接，谷歌学者 [5] Blanchet J，Kang Y，Zhang F，He F，Hu Z（2017）双稳健数据驱动分布稳健优化。预印本，5月19日提交，https://arxiv.org/abs/1705.07168.谷歌学者 [6] Calafiore GC（2007）模糊风险度量和最佳稳健投资组合。SIAM J.Optim公司。18（3）：853-877.Crossref，谷歌学者·Zbl 1154.91022号 ·doi:10.1137/060654803 [7] Chang Z，Song S，Zhang Y，Ding JY，Zhang-R，Chiong R（2017）带风险规避的分布鲁棒单机调度。欧洲药典。物件。256（1）：261-274.谷歌学者Crossref·Zbl 1394.90266号 ·doi:10.1016/j.ejor.2016.06.025 [8] Cormican KJ、Morton DP、Wood RK（1998）《随机网络阻断》。操作。物件。46（2）：184-197.链接，谷歌学者·Zbl 0987.90516号 [9] Delage E，Ye Y（2010）力矩不确定性下的分布鲁棒优化及其在数据驱动问题中的应用。操作。物件。58（3）：595-612.Link，谷歌学者·Zbl 1228.90064号 [10] Dentcheva D，Ruszczyñski A（2020）《风险形式：部分可观测两阶段系统的表示、分解和应用》。数学。编程181:297-317.Crossref，谷歌学者·Zbl 1445.90065号 ·doi:10.1007/s10107-019-01376-1 [11] Dupacova J（2006）外生和内生不确定性下的优化。工作文件，捷克共和国比尔森比尔森西波希米亚大学。谷歌学者 [12] Erdoóan E，Iyengar G（2006）模糊机会约束问题和稳健优化。数学。编程107（1-2）:37-61.Crossref，谷歌学者·Zbl 1134.90028号 ·doi:10.1007/s10107-005-0678-0 [13] Esfahani PM，Kuhn D（2018）《使用Wasserstein度量的数据驱动分布式稳健优化：性能保证和可控制的重新设计》。数学。编程171（1）：115-166.Crossref，谷歌学者·Zbl 1433.90095 ·doi:10.1007/s10107-017-1172-1 [14] Föllmer H，Schied A（2002）《风险和交易约束的凸度量》。财务统计。6（4）：429-447.Crossref，谷歌学者·Zbl 1041.91039号 ·doi:10.1007/s007800200072 [15] Gao R，Kleywegt A（2016）具有Wasserstein距离的分布鲁棒随机优化。预印本，4月8日提交，https://arxiv.org/abs/1604.02199。谷歌学者 [16] Gao R，Chen X，Kleywegt AJ（2017）Wasserstein分布稳健优化和变异正则化。预印本，于12月17日提交，https://arxiv.org/abs/1712.06050.谷歌学者 [17] Goel V，Grossmann IE（2004）储量不确定性下海上气田开发规划的随机规划方法。计算。化学工程。28（8）：1409-1429。Crossref，谷歌学者·doi:10.1016/j.compchemeng.2003.10.05 [18] Goel V，Grossmann IE（2006）一类具有决策相关不确定性的随机程序。数学。编程108（2）：355-394.Crossref，谷歌学者·Zbl 1130.90375号 ·doi:10.1007/s10107-006-0715-7 [19] Goh J，Sim M（2010）分布稳健优化及其可处理近似。操作。物件。58（4-part-1）:902-917.Link，谷歌学者·Zbl 1228.90067号 [20] Haus UU，Michini C，Laumanns M（2017）使用二进制决策图对具有内生不确定性的随机程序进行情景聚合。1月15日提交的预印本，https://arxiv.org/abs/1701.04055谷歌学者 [21] Hellemo L，Barton P，Tomasgard A（2018），具有追索权的随机规划中的决策相关概率。计算。管理科学。15（3）：369-395.Crossref，谷歌学者·Zbl 1483.90095号 ·doi:10.1007/s10287-018-0330-0 [22] Hradovich M、Kasperski A、Zielñski P（2018）《情景下的风险规避计划》。Kliewer N，Ehmke JF，Borndörfer R编辑。2017年运营研究论文集。（Springer International Publishing，Cham，Switzerland），435-441.Crossref，谷歌学者·兹伯利1397.90176 ·doi:10.1007/978-3-319-89920-6_58 [23] Ji R，Lejeune MA（2021）基于Wasserstein度量的数据驱动分布式稳健机会约束优化。J.全球优化。79（4）:779-811.Crossref，谷歌学者·Zbl 1465.90055号 ·doi:10.1007/s10898-020-00966-0 [24] 蒋润，关毅（2015）数据驱动的机会约束随机规划。数学。编程158:291-327.Crossref，谷歌学者·兹比尔1346.90640 ·doi:10.1007/s10107-015-0929-7 [25] 蒋锐，关毅（2018）分布模糊的风险规避两阶段随机规划。操作。物件。66（5）：1390-1405.Link，谷歌学者·Zbl 1455.90114号 [26] Jonsbráten T，Wets RB，Woodruff D（1998）一类具有决策相关随机元的随机规划。安·Oper。物件。82（0）：83-106.Crossref，谷歌学者·Zbl 0911.90268号 ·doi:10.1023/A:1018943626786 [27] Khaligh FH，MirHassani S（2016）内生不确定性下车辆路径问题的数学模型。国际。J.生产研究。54（2）：579-590.谷歌学者交叉引用·doi:10.1080/00207543.2015.1057625 [28] Kusuoka S（2001）关于法律不变的一致风险度量。高级数学。经济学。3:83-95.谷歌学者Crossref·Zbl 1010.60030号 ·doi:10.1007/978-4-431-67891-54 [29] Lam H（2016）通过基于分布的经验差异恢复最佳统计保证。预印本，5月30日提交，https://arxiv.org/abs/1605.09349谷歌学者 [30] Laumanns M，Prestwich S，Kawas B（2014），具有内生不确定性的随机计划的分布塑造和情景捆绑。工作文件，IBM Research，瑞士Rüschlikon。谷歌学者 [31] Lejeune MA，Shen S（2016）《可变风险多目标概率约束规划：多投资组合财务优化模型》。欧洲药典。物件。252（2）：522-539.Crossref，谷歌学者·Zbl 1346.91212号 ·doi:10.1016/j.ejor.2016.01.039 [32] 林德瓦尔·T（1992）耦合方法讲座。Wiley Series in Probability and Statistics，Applied Probability and Statististics Section（新泽西州霍博肯市Wiley）。谷歌学者·Zbl 0850.60019号 [33] Luo F，Mehrotra S（2017）使用Wasserstein度量进行分布式鲁棒优化的分解算法。预印本，4月6日提交，http://www.optimization-online.org/DB_HTML/2017/04/5946.HTML.谷歌学者 [34] Luo F，Mehrotra S（2018）具有决策相关模糊集的分布鲁棒优化。预印本，6月24日提交，https://arxiv.org/abs/1806.09215.谷歌学者 [35] McCormick G（1976）可分解非凸程序整体解的可计算性：第一部分——凸低估问题。数学。编程10（1）：147-175.Crossref，谷歌学者·Zbl 0349.90100号 ·doi:10.1007/BF01580665 [36] Niu S，Song S，Ding JY，Zhang Y，Chiong R（2019）具有总延迟准则的分布式鲁棒单机调度。计算。操作。物件。101:13-28.Crossref，谷歌学者·Zbl 1458.90339号 ·doi:10.1016/j.cor.2018.08.007 [37] Nohadani O，Sharma K（2018）决策相关不确定性下的优化。SIAM J.Optim公司。28（2）：1773-1795.Crossref，谷歌学者·Zbl 1401.90117号 ·doi:10.1137/17M1110560 [38] Norton M、Takeda A、Mafusalov A（2017）乐观稳健优化与机器学习应用。11月20日提交的预印本，https://arxiv.org/abs/1711.07511谷歌学者 [39] Noyan N，Rudolf G（2013）多元条件值风险约束优化。操作。物件。61（4）:990-1013链接，谷歌学者·Zbl 1291.91124号 [40] Noyan N，Rudolf G（2015）一般概率空间中相干风险度量的Kusuoka表示。安·Oper。物件。229（1）：591-605.谷歌学者克罗斯里夫·Zbl 1358.91066号 ·doi:10.1007/s10479-014-1748-6 [41] Noyan N，Rudolf G，Lejeune M（2018）具有决策相关模糊集的分布鲁棒优化。提交日期：2018年9月19日，http://www.optimization-online.org/DB_HTML/2018/09/6821.HTML.谷歌学者 [42] Peeta S、Salman F、Gunnec D、Viswanath K（2010）《加强公路网的前期投资决策》。计算。操作。物件。37（10）：1708-1719.谷歌学者Crossref·邮编：1188.90052 ·doi:10.1016/j.cor.2009.12.006 [43] Pflug GC，Pichler A（2011）概率分布和随机优化问题的近似。Bertocchi M，Consigli G，Dempster M，编辑。金融和能源领域的随机优化方法：新金融产品和能源市场策略（纽约州施普林格市），343-387.Crossref，谷歌学者·Zbl 1405.90093号 ·doi:10.1007/978-14419-9586-5_15 [44] Pflug G，Wozabal D（2007）投资组合选择中的歧义。数量。财务7（4）：435-442.Crossref，谷歌学者·Zbl 1190.91138号 ·doi:10.1080/14697680701455410 [45] Pflug GC，Pichler A，Wozabal D（2012）在高模型模糊度下，1/N投资策略是最优的。J.银行金融36（2）:410-417.Crossref，谷歌学者·doi:10.1016/j.jbankfin.2011.07.018 [46] Pinedo M（2008）调度：理论、算法和系统，第三版（斯普林格，纽约）。谷歌学者·Zbl 1155.90008号 [47] Postek K，Den Hertog D，Melenberg B（2016），风险度量的分布稳健约束的计算可处理对等项。SIAM版本。58（4）：603-650.Crossref，谷歌学者·兹比尔1349.90767 ·doi:10.1137/151005221 [48] Rahimian H，Mehrotra S（2019）《分布稳健优化：综述》。预印本，8月13日提交，https://arxiv.org/abs/1908.05659.谷歌学者 [49] Rahimian H，Bayraksan G，Homem-de Mello T（2019年）利用总变差距离确定分布稳健随机程序中的有效场景。数学。编程173（1）：393-430.谷歌学者Crossref·Zbl 1410.90142号 ·doi:10.1007/s10107-017-1224-6 [50] Rockafellar R，Uryasev S（2000）条件价值风险优化。J.风险2（3）:21-41.Crossref，谷歌学者·doi:10.21314/JOR.2000.038 [51] Royset JO，Wets RJB（2017）随机模糊度下优化的变分理论。SIAM J.Optim公司。27（2）：1118-1149.Crossref，谷歌学者·Zbl 1366.90149号 ·doi:10.1137/16M1060704 [52] Rubner Y、Tomasi C、Guibas LJ（1998）图像数据库应用程序分布的度量。第六国际。Conf.计算。Vision（电气与电子工程师学会，新泽西州皮斯卡塔韦），59-66。谷歌学者 [53] Schichl H，Sellmann M（2015）《运输网络的前期准备》。程序。第29届美国人工智能大会。人工智能（美国人工智能出版社，加利福尼亚州帕洛阿尔托），709-715。谷歌学者 [54] Shabtay D，Steiner G（2007）加工时间可控的调度调查。离散应用程序。数学。155（13）：1643-1666.Crossref，谷歌学者·Zbl 1119.90022号 ·doi:10.1016/j.dam.2007.02.003 [55] Sherali HD，Adams WP（1994）混合整数零规划问题的松弛层次和凸壳表示。离散应用程序。数学。52（1）：83-106.Crossref，谷歌学者·兹伯利0819.90064 ·doi:10.1016/0166-218X（92）00190-W [56] Sherali HD，Adams WP，Driscoll PJ（1998）利用特殊结构构造0-1混合整数问题的松弛层次。操作。物件。46（3）：396-405.Link，谷歌学者·兹比尔0979.90090 [57] Wang Z，Glynn PW，Ye Y（2016）数据驱动问题的似然稳健优化。计算。管理科学。13（2）：241-261.Crossref，谷歌学者·Zbl 1397.90225号 ·doi:10.1007/s10287-015-0240-3 [58] Wiesemann W，Kuhn D，Sim M（2014）分布式鲁棒凸优化。操作。物件。62（6）：1358-1376.链接，谷歌学者·Zbl 1327.90158号 [59] Wozabal D（2014）线性投资组合的稳健凸风险度量：非参数方法。操作。物件。62（6）：1302-1315.Link，谷歌学者·Zbl 1358.91116号 [60] Zhang J，Xu H，Zhang L（2016）带力矩约束的分布鲁棒优化的定量稳定性分析。SIAM J.Optim公司。26（3）：1855-1882.Crossref，谷歌学者·Zbl 1346.90650号 ·doi:10.1137/15M1038529 [61] Zhang Y，Shen ZJM，Song S（2018）处理时间不确定的分布式β-鲁棒机器调度的精确算法。信息J.计算。30（4）：662-676.链接，谷歌学者·Zbl 1448.90046号 [62] Zhao C，Guan Y（2015）带ζ结构概率度量的数据驱动风险规避两阶段随机规划。预印本，7月16日提交，http://www.optimization-online.org/DB_HTML/2015/07/5014.HTML谷歌学者 [63] Zhao C，Guan Y（2018）基于Wasserstein度量的数据驱动风险规避随机优化。操作。Res.Lett公司。46（2）：262-267.Crossref，谷歌学者·Zbl 1525.90316号 ·doi:10.1016/j.orl.2018.01.011 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。