基于多核心集的全局化分布鲁棒优化
最优化与控制
2024-03-14 v1
摘要
在分布鲁棒优化（DRO）中，捕捉不确定数据的真实概率分布至关重要。在众多应用场景中，不确定数据呈现多模态性，即其概率密度函数具有两个或多个模式（局部最大值）。本文提出一种具有多核心集的全局化分布鲁棒优化框架（MGDRO）来处理多模态数据。该框架通过一个由随机向量到所有核心集的最小距离组成的惩罚函数来捕捉多模态结构。在某些假设下，对于基于矩和基于度量的模糊集，MGDRO模型均可被重构为可处理的半定规划。我们将MGDRO模型应用于具有多模态需求的多产品报童问题。数值结果表明，MGDRO模型显著优于传统的DRO模型及其他多模态模型。
引用
@article{arxiv.2403.08169,
title = {Globalized distributionally robust optimization with multi core sets},
author = {Yueyao Li and Chenglong Bao and Wenxun Xing},
journal= {arXiv preprint arXiv:2403.08169},
year = {2024}
}