【两阶段鲁棒优化问题】用列和约束生成方法求解两阶段鲁棒优化问题（Matlab代码实现）

👨‍🎓个人主页：研学社的博客 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 文献来源

🌈4 Matlab代码及文章

---

💥1 概述

文献来源：

 鲁棒优化（RO）是最近一种处理数据不确定性的优化方法。因为它是为了避免输入数据中的任何扰动而导出的，所以（单级）RO模型的解决方案往往过于保守。为了解决这一问题，引入并研究了两阶段RO（以及更一般的多级RO），也称为鲁棒可调或自适应优化[3]，其中第二阶段问题是在第一阶段决策完成后对决策进行建模，并揭示了不确定性。由于改进的建模能力，两级RO已成为一种流行的决策工具。应用包括网络/运输问题、投资组合优化[17]和电力系统调度问题。

在本文中，作者提出了一种列和约束生成算法来解决两阶段鲁棒优化问题。与现有的Benders式切割平面方法相比，柱和约束生成算法是一个通用程序，具有统一的方法来处理最优性和可行性。对两阶段鲁棒位置运输问题的计算研究表明，它的执行速度快了一个数量级。

📚2 运行结果

在解决鲁棒电力系统调度问题时也发现了类似的结果[21]。这些结果表明，无论问题大小，定义最坏情况成本的重要场景数量相对稳定且较小。因此，一种快速识别重要场景的方法，以及针对所产生的主问题的有效算法，可以大大提高两级反渗透问题的解决能力。 

部分代码：

Cons_SP2 = [Cons_SP2, b-G'*pi <= BigM*(1-u), x<=BigM*u];
    sol_SP2 = optimize(Cons_SP2,Obj_SP2,ops);
    s_g=value(g);
    s_pi=value(pi);
    
    % Add constraints in MP2 (unlike CCG algorithm, this time new varialbes are not added in MP2)
    if sol_SP2.problem==0 % SP2 is solved
        UB=min(UB,[f;a]'*[s_y;s_z]+value(-Obj_SP2));
        display(['Iter ',num2str(k),' g = ',num2str(s_g')]);
        Cons_MP2 = [Cons_MP2, eta>=( h - E*[y;z] - M*s_g )'*s_pi];
    else % SP2 is unbounded, not completed yet. Because still don't know how to identify scenario for which Q(s_y)=inf.,
        Cons_MP2 = [Cons_MP2];
    end
    
    k=k+1;
    display(['UB: ',num2str(UB),' LB: ',num2str(LB)]);
    if k>=100
        break
    end
end

🎉3 文献来源

部分理论来源于网络，如有侵权请联系删除。

[1] Zeng, Bo, and Long Zhao. "Solving two-stage robust optimization problems using a column-and-constraint generation method." Operations Research Letters 41, no. 5 (2013): 457-461. 

🌈4 Matlab代码及文章