具有决策依赖信息发现的鲁棒优化问题的精确与近似方案
最优化与控制
2022-08-09 v1 组合数学
摘要
具有决策依赖信息发现的不确定优化问题允许决策者控制信息发现的时机，这与经典多阶段设定中不确定参数依据既定滤波依次揭示不同。此类问题在广泛应用中有用，然而其推广受限于缺乏高效求解方案。本文研究具有决策依赖信息发现的两阶段鲁棒优化问题，其中不确定性出现在目标函数中。本文贡献有二：(i) 我们基于嵌套分解算法开发了精确求解方案；(ii) 我们利用整数规划文献中的技术加强现有 K-适应性近似的建模，从而改进该近似。全文以定向越野问题为工作示例，这是物流文献中自然契合该框架的难题。路径补偿问题的复杂结构构成了对所提求解方案的挑战性测试平台，其中我们发现精确求解方法有时优于 K-适应性近似，但加强的 K-适应性建模可在更大规模算例中提供高质量解，即使在决策独立信息发现设定下也显著优于现有近似方案。我们利用所提求解方案及定向越野问题在荷兰 Alrijne 医院案例研究中，试图通过协同优化传感器布置与路径决策来改进空药配送箱收集流程。
引用
@article{arxiv.2208.04115,
title = {Exact and Approximate Schemes for Robust Optimization Problems with Decision Dependent Information Discovery},
author = {Rosario Paradiso and Angelos Georghiou and Said Dabia and Denise Tönissen},
journal= {arXiv preprint arXiv:2208.04115},
year = {2022}
}