$\Gamma$-极大极小、$\Gamma$-极大极大与区间占优算法的改进与基准测试

$\Gamma$-极大极小（$\Gamma$-maximin）、$\Gamma$-极大极大（$\Gamma$-maximax）和区间占优（interval dominance）是在严重不确定性下做决策时熟悉的决策准则，此时概率分布仅能被部分识别。可以通过求解一系列线性规划来应用这三种准则。在本研究中，我们提出了针对这些准则的新算法，并将其性能与现有标准算法进行比较。具体而言，我们基于先前工作，使用高效方法为这些算法寻找公共初始可行点。利用这些初始可行点，我们发展了提前停止准则，以判定赌注是否为 $\Gamma$-极大极小、$\Gamma$-极大极大或区间占优。我们观察到原对偶内点法从这些改进中获益颇丰。在仿真中，我们发现当下预测量（lower previsions）定义域的规模小于或等于决策和结果规模时，所提算法优于标准算法。然而，当下预测量定义域的规模远大于决策和结果规模时，所提算法并未优于标准算法。