决策聚焦学习：基础、前沿、基准与未来机遇
机器学习
2024-09-05 v4 人工智能
最优化与控制
摘要
决策聚焦学习（DFL）是一种新兴范式，它集成机器学习（ML）与约束优化，通过在端到端系统中训练 ML 模型来提升决策质量。该方法在不确定性下运行的真实应用中的组合决策制定方面展现出显著潜力，其中在决策模型中估计未知参数是主要挑战。本文对 DFL 进行了全面综述，深入分析了用于结合 ML 与约束优化的基于梯度和无梯度技术，评估了这些技术的优势与局限，并包含对七个问题上十一种方法的广泛实证评估。该综述还提供了 DFL 近期进展与未来研究方向的见解。代码与基准：https://github.com/PredOpt/predopt-benchmarks
引用
@article{arxiv.2307.13565,
title = {Decision-Focused Learning: Foundations, State of the Art, Benchmark and Future Opportunities},
author = {Jayanta Mandi and James Kotary and Senne Berden and Maxime Mulamba and Victor Bucarey and Tias Guns and Ferdinando Fioretto},
journal= {arXiv preprint arXiv:2307.13565},
year = {2024}
}
备注
Experimental Survey and Benchmarking