随机规划中序贯抽样的方差缩减
最优化与控制
2021-04-12 v2 统计方法学
摘要
本文研究在随机规划序贯抽样中使用的对偶变量法（AV）与拉丁超立方抽样（LHS）这两种方差缩减技术，并给出比较性计算研究。文中给出了 AV 与 LHS 序贯抽样满足有限停止保证且渐近有效的条件，并对 LHS 作了详细讨论。通过一组具有不同特征的两阶段随机线性规划，在计算上比较了它们在序贯与非序贯设置下的使用。数值结果表明，尽管在两种设置下 AV 与 LHS 都可能优于随机抽样，但 LHS 在非序贯设置中通常占优且序贯表现良好，而 AV 在序贯设置中获某些优势。这些结果意味着，鉴于这些方差缩减技术易于实现，且具备与随机抽样相同的理论性质及改善的经验性能，AV 与 LHS 序贯过程在一类随机规划中提供了有吸引力的实用替代方案。
引用
@article{arxiv.2005.02458,
title = {Variance Reduction for Sequential Sampling in Stochastic Programming},
author = {Jangho Park and Rebecca Stockbridge and Güzin Bayraksan},
journal= {arXiv preprint arXiv:2005.02458},
year = {2021}
}