逆优化牛顿型算法 II：加权跨度目标
最优化与控制
2023-03-01 v2 离散数学
摘要
在逆优化问题中，目标是修改底层优化问题中的代价，使给定解变为最优，同时称为偏差向量的新代价函数与原代价函数之间的差异相对于某个目标函数被最小化。 与 范数是用于度量偏差大小的常用目标。最小化 范数是保持代价函数总变化较小的自然方式，而 范数在坐标层面实现相同目标。然而，这些目标均不适合提供平衡或公平的代价改变。在本文中，我们开创性地研究一个新的目标，度量偏差向量中最大与最小加权坐标之差，称为加权跨度。我们给出可行偏差向量最小加权跨度的极小极大刻画，并提供在单位权重情形下于强多项式时间内运行的牛顿型算法来求取该向量。
引用
@article{arxiv.2302.13414,
title = {Newton-type algorithms for inverse optimization II: weighted span objective},
author = {Kristóf Bérczi and Lydia Mirabel Mendoza-Cadena and Kitti Varga},
journal= {arXiv preprint arXiv:2302.13414},
year = {2023}
}
备注
47 pages, 2 figures, 1 table