离分布鲁棒优化
最优化与控制
2025-06-06 v3
摘要
本文考虑在离分布情境下进行的情境鲁棒优化问题。情境鲁棒优化问题考虑一个风险敏感的目标函数，用于存在情境向量 (也称为协变量或副信息) 的优化问题，该向量捕获相关信息。虽然现有工作主要考虑内分布情境，所得鲁棒性仅从离样本意义上实现，但本文研究离分布情境，其中测试环境与收集数据的训练环境之间可能存在差异。我们提出了处理此离分布情境的方法，关键在于用于分布偏移的密度比估计。我们表明，诸如协变量偏移和标签偏移等额外结构不仅有助于防御分布偏移，而且在与其他原则方法如分布鲁棒优化相比，避免非平凡解也是必要的。我们还说明了协变量在此程序中的有用性。数值实验生成更多直觉，并表明所提出的方法有助于避免过于保守的解决方案。
引用
@article{arxiv.2410.14899,
title = {Out-of-distribution Robust Optimization},
author = {Zhongze Cai and Hansheng Jiang and Xiaocheng Li},
journal= {arXiv preprint arXiv:2410.14899},
year = {2025}
}