数据驱动的贝叶斯非参数Wasserstein分布鲁棒优化
最优化与控制
2023-11-07 v1
摘要
在这项工作中，我们提出了一种新颖的数据驱动贝叶斯非参数Wasserstein分布鲁棒优化（BNWDRO）框架，用于不确定性下的决策。该框架统一了贝叶斯非参数方法与Wasserstein度量，以解读不确定性数据的全局—局部特征，并将这些特征编码进一个新颖的数据驱动模糊集。通过建立该数据驱动模糊集与传统Wasserstein模糊集之间的理论联系，我们证明了所提框架具有有限样本保证与渐近一致性。为高效求解BNWDRO框架下产生的分布鲁棒优化问题，我们推导了该优化问题的一个等价重构形式，其在许多实际场景中保持易处理性。基于机组组合问题的数值实验验证了所提BNWDRO框架相比现有方法的有效性。
引用
@article{arxiv.2311.02953,
title = {Data-Driven Bayesian Nonparametric Wasserstein Distributionally Robust Optimization},
author = {Chao Ning and Xutao Ma},
journal= {arXiv preprint arXiv:2311.02953},
year = {2023}
}
备注
9 pages, including Supplementary Material