有限分布信息下的机会约束优化：基于采样与分布鲁棒性的重构方法综述
最优化与控制
2022-02-15 v2
摘要
机会约束规划（CCP）是自1950年代以来吸引研究者关注的最困难优化问题类之一。本综述中，我们关注仅可获得有限分布信息的情况，例如来自分布的样本或分布的矩。我们首先回顾源于有限离散分布（或样本平均近似）的机会约束规划混合整数线性重构的最新进展。我们强调使大规模实例得以求解的成功重构与分解技术。随后我们回顾分布鲁棒CCP的活跃研究，其是应对随机数据分布模糊性的框架。我们综述的重点在于可用最先进优化软件直接实现的可扩展重构。此外，我们通过跨多个领域的应用综述凸显CCP的普遍性。
引用
@article{arxiv.2101.08746,
title = {Chance-Constrained Optimization under Limited Distributional Information: A Review of Reformulations Based on Sampling and Distributional Robustness},
author = {Simge Küçükyavuz and Ruiwei Jiang},
journal= {arXiv preprint arXiv:2101.08746},
year = {2022}
}