基于代价感知模糊集的分布鲁棒优化
最优化与控制
2023-05-17 v2 机器学习
摘要
我们提出一种称为代价感知分布鲁棒优化（CADRO）的新型分布鲁棒优化（DRO）框架。CADRO 的核心思想是在模糊集设计中利用代价结构以降低保守性。具体而言，该集合专门约束近似解期望代价增长最快方向上的最坏情况分布。我们证明 CADRO 既提供样本外期望代价的高置信上界，也提供其一致估计量，并通过实验表明，在提供相同保证的同时，它所产生的解比现有 DRO 方法明显更不保守。
引用
@article{arxiv.2303.09408,
title = {Distributionally Robust Optimization using Cost-Aware Ambiguity Sets},
author = {Mathijs Schuurmans and Panagiotis Patrinos},
journal= {arXiv preprint arXiv:2303.09408},
year = {2023}
}
备注
Revision; More general formulation and additional experiments