哈沙Gangamanavar;刘一凡;苏夫拉杰特·森 具有随机成本系数的两阶段随机线性规划的随机分解。 （英语） Zbl 07362303号 信息J.计算。 33，编号1，51-71（2021）. 摘要：随机分解（SD）是解决实际应用中出现的大规模随机规划（SP）问题的一种有效的计算方法。通过使用增量采样，该方法旨在为给定的SP实例发现合适的样本大小，从而不需要场景缩减或任意样本大小来创建样本平均近似值（SAA）。与使用SAA程序获得的解相比，SD使用通常可用的计算资源以更少的计算时间提供了类似质量的解。然而，以前版本的SD不适用于第二阶段成本系数具有随机性的问题。在本文中，我们通过在第二阶段放松对成本系数的假设来扩展其功能。除了实现这一点所需的算法增强外，我们还介绍了实现这些扩展的细节，这些扩展保留了SD的计算边缘。最后，我们在为文献中的问题生成的各种测试实例上说明了从SD的最新实现中获得的计算结果。我们将这些结果与正则化L形方法得到的结果进行了比较，该方法适用于不同样本大小的这些问题的SAA函数。 引用于三文件 MSC公司： 90摄氏度 数学编程 关键词：随机规划;随机分解;样本平均近似;具有随机成本系数的两阶段模型;顺序抽样 软件：苏蒂尔;FinTS公司;github;CPLEX公司 PDF格式BibTeX公司 XML格式引用 \textit{H.Gangammanavar}等人，《信息与计算》。33，编号1，51--71（2021；Zbl 07362303） 全文： 内政部 参考文献： [1] CPLEX（2018）《CPLEX可调用库（C API）参考手册》，12.8版（IBM，Armonk，NY）。谷歌学者 [2] Deng Y，Sen S（2018年）学习型优化：走向统计学习与随机规划的融合洛杉矶南加州大学技术报告。谷歌学者 [3] Frauendorfer K，Härtel F，Reiff MF，Schürle M（1996）随机多阶段线性规划的SG-投资组合测试问题（Springer，Berlin，Heidelberg）。谷歌学者 [4] Gangamanavar H，Sen S，Zavala VM（2016）《风能次小时经济调度的随机优化》，IEEE Trans。电力系统31（2）：949-959。谷歌学者 [5] Herer YT、Tzur M、Yücesan E（2006）《多地点转运问题》。IIE事务处理。38（3）：185-200.谷歌学者 [6] Higle JL，Sen S（1991）《随机分解：具有补偿的两阶段线性规划的算法》。数学。操作。研究16（3）：650-669。谷歌学者·兹比尔074690045 [7] Higle JL，Sen S（1994）正则化随机分解中的有限主程序。数学。编程67（1-3）:143-168.谷歌学者·Zbl 0828.90097号 [8] Higle JL、Sen S（1996）随机分解：大规模随机线性规划的一种统计方法（Kluwer学术出版社，波士顿）。Crossref，谷歌学者·Zbl 0874.90145号 ·doi:10.1007/978-1-4615-4115-8 [9] Higle JL，Sen S（1999）随机线性规划问题的统计近似。安·欧珀。研究结果85:173-193.谷歌学者·Zbl 0920.90108号 [10] Infanger G，Morton DP（1996）具有阶段间依赖性的多阶段随机线性规划的切割共享。数学。编程75（2）：241-256.谷歌学者·兹伯利0874.90147 [11] Kleywegt AJ，Shapiro S，Homem-de Mello T（2002）随机离散优化的样本平均近似方法。SIAM J.Optim公司。12（2）：479-502.谷歌学者·Zbl 0991.90090号 [12] Linderath J，Shapiro A，Wright S（2006）随机规划抽样方法的经验行为。安·欧珀。研究142（1）：215-241.谷歌学者·Zbl 1122.90391号 [13] Mak W，Morton DP，Wood K（1999）确定随机程序中解质量的蒙特卡罗边界技术。操作。Res.Lett公司。24（1）:47-56.谷歌学者·Zbl 0956.90022号 [14] Ruszczyñski A，Shapiro A（2003）《运筹学和管理科学手册：随机编程》，第10卷（阿姆斯特丹爱思唯尔出版社）。谷歌学者·Zbl 1115.90001号 [15] Sen S，Liu Y（2016）通过两阶段随机线性规划中的折衷决策缓解不确定性：方差减少。操作。物件。64（6）：1422-1437.链接，谷歌学者·Zbl 1354.90086号 [16] Sen S，Zhou Z（2014）多阶段随机分解：随机规划和近似动态规划之间的桥梁。SIAM J.Optim公司。24（1）：127-153.Crossref，谷歌学者·Zbl 1291.90153号 ·数字对象标识代码：10.1137/120864854 [17] Sen S，Doverspike RD，Cosares S（1994a）《随机需求的网络规划》。电信系统3（1）：11-30.谷歌学者 [18] Sen S，Mai J，Higle JL（1994b）用随机分解算法求解大规模随机程序。Hager WW、Hearn DW、Pardalos PM编辑，《大规模优化：最新进展》（波士顿斯普林格出版社），388-410.谷歌学者·Zbl 0811.90081号 [19] Shapiro A，Homem de Mello T（1998）一种基于模拟的具有追索权的两阶段随机规划方法。数学。编程81（3）：301-325.谷歌学者·Zbl 0919.90120号 [20] Tsay R（2005）《金融时间序列分析》，Wiley Series in Probability and Statistics，第二版（Wiley-Interscience，新泽西州霍博肯）。谷歌学者·Zbl 1086.91054号 [21] USC3DLAB（2019）两阶段随机分解。2019年7月21日访问，https://github.com/USC3DLAB/SD.git.谷歌学者 [22] Van Slyke RM，Wets RJB（1969）L形线性规划及其在最优控制和随机规划中的应用。SIAM J.应用。数学。17（4）：638-663.谷歌学者·Zbl 0197.45602号 [23] You F，Wassick JM，Grossmann IE（2009）《不确定性下全球供应链规划的风险管理：模型和算法》。AIChE J.55（4）：931-946.谷歌学者 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。