分布风险接受与鲁棒多阶段随机整数规划及阻断模型
最优化与控制
2024-09-26 v2
摘要
本文研究了分布风险接受与分布鲁棒（或风险厌恶）多阶段随机混合整数规划（记为DRR-和DRO-MSIPs）。我们提出了基于割平面和基于重构的方法，用于求解无决策依赖不确定性和有决策依赖不确定性的DRR-和DRO-MSIPs至最优性。我们证明了这些方法以概率1有限收敛。此外，通过提出多阶段随机析取规划及其求解算法，我们引入了DRR-和DRO-MSIPs的推广形式。这些框架适用于不确定性下的优化问题，其重点是基于多个决策者不同视角分析结果，例如作为非合作玩家攻击者-防御者博弈的阻断问题。为了评估DRR-和DRO-MSIPs算法的性能，我们考虑了分布模糊的多阶段最大流和设施选址阻断问题的实例，这些问题本身具有重要意义。基于我们的计算结果，我们观察到，对于上述具有分布风险厌恶和风险接受的实例，基于割平面的方法平均比基于重构的方法分别快2800%和2410%。此外，我们进行了样本外测试，以展示DRR框架在揭示网络脆弱性以及减轻数据损坏影响方面的重要性。
引用
@article{arxiv.2406.05256,
title = {Distributionally Risk-Receptive and Robust Multistage Stochastic Integer Programs and Interdiction Models},
author = {Sumin Kang and Manish Bansal},
journal= {arXiv preprint arXiv:2406.05256},
year = {2024}
}