多阶段鲁棒优化的自适应松弛
最优化与控制
2021-06-25 v1 数据结构与算法
摘要
多阶段鲁棒优化问题可解释为两个参与者之间的零和博弈。我们利用这种类博弈性质并采用博弈树搜索来求解量化整数规划(QIPs)。在该算法环境中,松弛被反复调用来评估分支变量的质量以及生成界。然而,有用的松弛必须在其质量与计算时间之间取得良好平衡。我们提出了两种融入不确定性集合中场景的松弛,其中所考虑的场景集根据搜索过程中收集的最新信息持续自适应调整。以选择、分配和跑道调度问题作为测试平台,我们展示了我们的发现所产生的影响。
引用
@article{arxiv.2106.12858,
title = {Adaptive Relaxations for Multistage Robust Optimization},
author = {Michael Hartisch},
journal= {arXiv preprint arXiv:2106.12858},
year = {2021}
}