朱利安·凯查扬;贾诺什·奥尔特曼;瓦尔特·雷 随机优化中问题驱动的场景聚类。 （英语） Zbl 07778016号 计算。管理。科学。 20，第13号论文，33页（2023年）. 摘要：在随机优化中，忠实地表示潜在不确定性所需的大量场景通常是寻找有效数值解的障碍。这激发了场景简化问题：通过找到较小的场景子集，减少数字复杂性，同时将错误保持在可接受的水平。在本文中，我们提出了一种新颖且计算效率高的方法来解决两阶段问题的场景约简问题，当要最小化的误差为实现错误即在原问题中实现简化问题的解决方案所产生的错误。具体来说，我们开发了一种问题驱动的场景聚类方法，该方法生成场景集的分区。每个集群包含一个代表性场景，该场景最能反映待识别分区的每个集群中目标函数的最佳值。通过将该方法应用于两个具有挑战性的两阶段随机组合优化问题：两阶段随机网络设计问题和两阶段设施选址问题，我们证明了该方法的有效性。与其他聚类方法和蒙特卡罗抽样方法相比，我们的方法明显优于所有其他方法。 MSC公司： 900亿 运筹学与管理科学 关键词：随机优化;场景简化;问题驱动的场景聚类 软件：Scikit公司;github;k平均值++;Py聚类 PDF格式BibTeX公司 XML格式引用 \textit{J.Keutchayan}等人，计算。管理。科学。20，论文编号13，33页（2023；Zbl 07778016） 全文： 内政部 arXiv公司 参考文献： [1] Arthur D，Vassilvitskii S（2006）k-means++：细心播种的优势。技术报告2006-13，斯坦福信息实验室。http://ilpubs.stanford.edu:8090/778/ [2] O.男爵。；O.伯曼。；Krass，D.，《具有随机需求和等待时间约束的设施位置》，Manuf Serv Oper Manag，10，3，484-505（2008）·doi:10.1287/msom.1070.0182 [3] Bengio Y，Frejinger E，Lodi A，Patel R，Sankaranarayanan S（2019）一种基于学习的算法，用于快速计算随机整数规划的良好原始解。CoRR arXiv公司：1912.08112 [4] Bertsimas，D。；Mundru，N.，数据驱动两阶段随机优化的基于优化的场景简化，Oper Res（2022）·Zbl 07815763号 ·doi:10.1287/操作2022.2265 [5] Bieniek，M.，关于随机需求的设施选址问题的注释，Omega，55，53-60（2015）·doi:10.1016/j.omega.2015.02.006 [6] Birge，JR，具有固定追索权的随机线性规划中随机解的值，数学程序，24314-325（1982）·兹比尔0502.90065 ·doi:10.1007/BF01585113 [7] 伯奇，JR；Louveaux，F.，《随机规划导论》（2011），纽约：Springer，纽约·Zbl 1223.90001号 ·doi:10.1007/978-1-4614-0237-4 [8] 陈，M。；梅赫罗特拉，S。；Papp，D.，通过稀疏网格方法生成随机优化问题的场景，计算优化应用，62，3，669-692（2015）·Zbl 1331.90043号 ·doi:10.1007/s10589-015-9751-7 [9] Crainic，TG；Fu，X。；Gendreau，M。；雷伊，W。；Wallace，SW，随机网络设计中基于渐进享乐的元启发式，网络，58，2，114-124（2011）·Zbl 1233.90084号 ·doi:10.1002/net.20456 [10] Crainic，TG；休伊特，M。；Rei，W.，随机网络设计中基于渐进享乐元神经的情景分组，计算操作研究，43，90-99（2014）·Zbl 1348.90165号 ·doi:10.1016/j.cor.2013.08.020 [11] de Vos NJ（2015）kmodes分类聚类库。https://github.com/nicodv/kmodes [12] 杜帕乔娃，J。；Gröwe-Kuska，N。；Römisch，W.，《随机规划中的场景简化——使用概率度量的方法》，数学程序Ser A，95493-511（2003）·Zbl 1023.90043号 ·doi:10.1007/s10107-002-0331-0 [13] 戴尔，M。；Stougie，L.，随机规划问题的计算复杂性，数学程序Ser A，106，3，423-432（2006）·Zbl 1134.90027号 ·doi:10.1007/s10107-005-0597-0 [14] 安大略省埃尔马彻布；Grigas，P.，Smart“预测，然后优化”，《管理科学》，68，1，9-26（2022）·doi:10.1287/mnsc.2020.3922 [15] Fairbrother，J。；特纳，A。；Wallace，SW，问题驱动情景生成：带有尾部风险度量的随机程序的分析方法，数学程序，2019，1-42（2019） [16] Feng，Y。；Ryan，SM，《基于解决方案敏感性的随机单位承诺情景缩减》，《计算管理科学》，第13、1、29-62页（2016年）·Zbl 1397.90172号 ·doi:10.1007/s10287-014-0220-z [17] Guha，S。；Khuller，S.，《贪婪反击：改进的设施定位算法》，《J算法》，31，1，228-248（1999）·兹伯利0928.68137 ·doi:10.1006/jagm.1998.0993 [18] 韩，J。；裴，J。；Kamber，M.，《数据挖掘：概念和技术》（2011），阿姆斯特丹：爱思唯尔出版社 [19] Heitsch，H.等人。；勒维，H。；Römisch，W.，拟蒙特卡罗算法对两阶段随机规划有效吗？，计算优化应用，65，3567-603（2016）·Zbl 1384.90067号 ·doi:10.1007/s10589-016-9843-z [20] Henrion，R。；Küchler，C。；Römisch，W.，《关于差异距离的随机规划情景简化》，《计算优化应用》，43，67-93（2009）·Zbl 1178.90258号 ·doi:10.1007/s10589-007-9123-z [21] Henrion，R。；Römisch，W.，《随机规划中基于问题的最优场景生成和简化》，数学计划（2018年）·Zbl 1491.90105号 ·doi:10.1007/s10107-018-1337-6 [22] 休伊特，M。；奥特曼，J。；Rei，W.，《基于决策的不确定性决策场景聚类》，Ann Oper Res（2021）·Zbl 1500.91054号 ·doi:10.1007/s10479-020-03843-x [23] 希格尔，JL；Sen，S.，《随机分解：有补偿的两阶段线性规划的算法》，《数学运算研究》，16，3，650-669（1991）·Zbl 0746.90045号 ·doi:10.1287/门16.3.650 [24] Ho N，Nguyen X，Yurochkin M，Bui HH，Huynh V，Phung D（2017）通过wasserstein平均值进行多级聚类。In:机器学习国际会议，pp 1501-1509 [25] Huang，Z.，用分类值聚类大数据集的k-means算法的扩展，data Min Knowl Discov，2，3，283-304（1998）·doi:10.1023/A:1009769707641 [26] Höyland，K。；考特，M。；Wallace，SW，《生成时刻匹配场景的启发式方法》，计算优化应用，24，2-3，169-185（2003）·Zbl 1094.90579号 ·doi:10.1023/A:1021853807313 [27] Höyland，K。；Wallace，SW，《为多阶段决策问题生成场景树》，《管理科学》，42，2，295-307（2001）·Zbl 1232.91132号 ·doi:10.1287/mnsc.47.2295.9834 [28] 阿拉斯加州贾恩；Dubes，RC，聚类数据算法（1988），新泽西州上鞍河：普伦蒂斯·霍尔公司，新泽西上鞍河·兹比尔0665.62061 [29] 坎托罗维奇，LV，《组织和规划生产的数学方法》，《管理科学》，第6、4、366-422页（1939年）·Zbl 0995.90532号 ·doi:10.1287个/mnsc.6.4.366 [30] 考特，M。；金，AJ；Wallace，SW，场景树生成，随机编程建模，77-102（2012），纽约：Springer，纽约·Zbl 1248.90063号 [31] Keutchayan，J。；Gendreau，M。；Saucier，A.，解决随机规划问题的场景树生成方法的质量评估，计算管理科学，14，3，333-365（2017）·Zbl 1397.90215号 ·doi:10.1007/s10287-017-0279-4 [32] Keutchayan，J。；芒格，D。；Gendreau，M.，《关于随机规划问题的无情景最优值误差》，《数学运算研究》，45，4，1572-1595（2020）·Zbl 1456.90112号 ·doi:10.1287/门2019.1043 [33] 金，AJ；Wallace，SW，《随机规划建模》（2012），纽约：Springer，纽约·Zbl 1248.90063号 ·doi:10.1007/978-0-387-87817-1 [34] AJ Kleywegt；夏皮罗，A。；Homem-de-Mello，T.，随机离散优化的样本平均近似方法，SIAM J Optim，12，2，479-502（2002）·兹比尔0991.90090 ·doi:10.1137/S1052623499363220 [35] Li，S.，无容量设施选址问题的1.488近似算法，Inf Compute，22245-58（2013）·Zbl 1281.68236号 ·doi:10.1016/j.ic.2012.01.007 [36] 卢埃特克，J。；Ahmed，S.，概率约束优化的样本近似方法，SIAM J Optim，19，2，674-699（2008）·Zbl 1177.90301号 ·doi:10.1137/070702928 [37] Novikov，A.，PyClustering:数据挖掘库，J Open Source Softw，4，36，1230（2019）·doi:10.21105/joss.01230 [38] Ntaimo，L。；Sen，S.，随机组合优化的百万变量“进军”，J Glob Optim，32，3，385-400（2005）·Zbl 1098.90045号 ·doi:10.1007/s10898-004-5910-6 [39] 佩德雷戈萨，F。；瓦洛奎，G。；Gramfort，A。；米歇尔，V。；Thirion，B.公司。；O.格栅。；布隆德尔，M。；普雷滕霍弗，P。；韦斯，R。；杜堡，V。；范德普拉斯，J。；帕索斯，A。；库纳波，D。；布鲁彻，M。；佩罗，M。；Duchesnay，E.，Scikit-learn:Python中的机器学习，J Mach learn Res，122825-2830（2011）·Zbl 1280.68189号 [40] Pflug，GC，通过最优离散化生成多阶段财务优化的情景树，数学程序，89，2，251-271（2001）·Zbl 0987.91034号 ·doi:10.1007/PL000011398 [41] Pflug，气相色谱法；Pichler，A.，场景树的动态生成，Comput Optim Appl，62，3，641-668（2015）·Zbl 1337.90047号 ·doi:10.1007/s10589-015-9758-0 [42] 普罗查兹卡，V。；Wallace，SW，优化问题启发式解决方案驱动的场景树构建，计算管理科学，17，277-307（2020）·Zbl 07304211号 ·doi:10.1007/s10287-020-00369-2 [43] Rahmaniani，R。；Crainic，TG；Gendreau，M。；Rei，W.，《加速弯曲分解方法：随机网络设计问题的应用》，SIAM J Optim，28，1，875-903（2018）·Zbl 1396.90013号 ·doi:10.1137/17M1128204 [44] Rahmaniani，R。；Crainic，TG；Gendreau，M。；Rei，W.，《加速弯曲分解方法：随机网络设计问题的应用》，SIAM J Optim，28，1，875-903（2018）·Zbl 1396.90013号 ·doi:10.1137/17M1128204 [45] Riis，M。；Andersen，KA，《需求不确定的电容网络设计》，INFORMS J Compute，14，3，247-260（2002）·Zbl 1238.90026号 ·doi:10.1287/ijoc.14.3.247.111 [46] Rockafellar，RT公司；Wets，RJ-B，变异分析（2009），纽约：Springer，纽约 [47] Rujeerapaiboon，N。；辛德勒，K。；库恩，D。；Wiesemann，W.，《重新审视情景简化：基本限制和保证》，数学课程，2018，1-36（2018） [48] Römisch，W。；O.渡边。；Zeugmann，T.，随机规划中的场景简化技术，随机算法：基础和应用，1-14（2009），柏林，海德堡：施普林格，柏林，海德堡·Zbl 1260.90128号 [49] 桑托索，T。；艾哈迈德，S。；Goetschalckx，M。；Shapiro，A.，《不确定性下供应链网络设计的随机规划方法》，《欧洲运营研究杂志》，167，1，96-115（2005）·Zbl 1075.90010号 ·doi:10.1016/j.ejor.2004.01.046 [50] Schubert E、Rousseeuw PJ（2019）《更快的k-medoids聚类：改进pam、clara和clarans算法》。In:相似性搜索和应用国际会议，Springer，pp 171-187 [51] 舒尔茨，R。；Tiedemann，S.，具有混合整数追索权的随机规划中的条件值风险，数学规划，105，2，365-386（2006）·Zbl 1085.90042号 ·doi:10.1007/s10107-005-0658-4 [52] 夏皮罗，A。；Homem-de-Mello，T.，关于随机程序蒙特卡罗近似最优解的收敛速度，SIAM J Optim，11，1，70-86（2000）·兹比尔0999.90023 ·doi:10.1137/S1052623498349541 [53] 夏皮罗，A。；拉斯钦斯基，A。；Shapiro，A.，蒙特卡罗抽样方法，运筹学和管理科学手册：随机规划，353-425（2003），阿姆斯特丹：爱思唯尔，阿姆斯特丹·Zbl 1115.90001号 [54] 孙，M。；滕，F。；Konstantelos，I。；Strbac，G.，负荷和可再生能源中具有多元随机性的输电网扩展规划的基于对象的场景选择方法，能源，145871-885（2018）·doi:10.1016/j.energy.2017.12.154 [55] Wallace，SW，《随机编程和不同方法的选择》，Ann Oper Res，177，1，3-8（2010）·Zbl 1195.90070号 ·doi:10.1007/s10479-009-0600-x 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。