一种用于多阶段鲁棒离散线性优化的通用建模即运行求解器

处理不确定数据的必要性是决策中的一大挑战。鲁棒优化作为产生抵御不确定性解的主要范式之一而出现。为更真实地描述决策者可对披露的新信息作出反应的基础问题，可使用多阶段模型。然而，由于其计算困难，两阶段以上的多阶段问题较少受到关注，且常仅用近似而非优化方案处理。在决策依赖不确定性的多阶段设定中，关注则更少。我们通过量化线性规划探讨多阶段鲁棒优化，即带有序变量（存在量词或全称量词量化）的线性规划。基于（大体）离散设定——其中不确定参数（全称量词变量）仅受边界限制——我们提出一个增强版本，允许通过也可受决策变量影响的线性约束系统来表述离散不确定性集。我们给出一种通用的基于搜索的求解方法，并介绍我们的求解器 Yasol，其能处理具最终混合整数补偿动作与离散不确定性集（甚至可为决策依赖）的多阶段鲁棒线性离散优化问题。由此，我们提供了一种便捷的建模即运行方法，可作为多阶段鲁棒优化领域计算实验的基线，为任意决策阶段数目的问题提供最优解。