鲁棒优化
文章平均质量分 68
zte10096334
这个作者很懒,什么都没留下…
展开
-
【论文学习】Robust Capacity Planning for Project Management
1. 摘要本文考虑在许多项目的规划中出现的一个重大问题。项目公司通常使用外包供应商(outsourced providers),这些供应商要求在实现任务期限之前必须签订容量保留合同。对于一个给定部分特征分布信息的公司,我们建立了这些决策模型,假设任务持续时间服从最坏情况分布。一旦实现了任务工期,项目公司就会做出快速跟踪( fast tracking)和外包赶工(outsourced crashing)的决策,以最小化总的容量预留、快速跟踪、赶工和完工时间惩罚成本。我们使用基于目标的措施,尽量减少一个表现不原创 2021-07-04 11:14:31 · 282 阅读 · 0 评论 -
Mosek范例
## # Copyright: Copyright (c) MOSEK ApS, Denmark. All rights reserved. # # File: sdo1.py # # Purpose: Demonstrates how to solve a small mixed semidefinite and conic quadratic # optimization problem using the MOSEK Python A..原创 2021-03-20 16:56:48 · 1298 阅读 · 0 评论 -
Recursive Optimization of Convex Risk Measures: Mean-Semideviation Models
Dionysios S. Kalogerias and Warren B. Powell 的一个文章原创 2020-12-28 14:45:04 · 163 阅读 · 0 评论 -
python+gurobi打包exe
问题1. 打包后no module win32api下载对应版本的 pywin32-220.win-amd64-py3.6.exe, 直接pip无效安装时,可能说对应的 py3.6-32 没有注册,将注册表中的Python版本改成py3.6-32有 HKEY_CURRENT_USER 和 HKEY_LOCAL_MACHINE 两处安装成功后,在对应的python安装路径下有pywin32_system32目录将下面两个文件拷贝到 C:Windows/system32 目录下原创 2020-12-05 15:22:01 · 350 阅读 · 1 评论 -
User Guide for Python+RSOME
整理自 RSOME for Python:所有例子都由熊老师的网站提供,本笔记只是整理一下方便阅读(暂时没有PDF格式的User Guide)。1. Deterministic linear and second-order cone programs1.1 Mean-variance portfolio optimizationimport rsome as rsoimport numpy as npfrom rsome import rofrom rsome import grb_solv原创 2020-11-02 20:07:07 · 1144 阅读 · 0 评论 -
robust optimization print list
Satisficing Measures for Analysis of Risky PositionsAspirational Preferences and their Representation by Risk MeasuresGoal Driven Optimization.Constructing_Risk_Measures_from_Uncertainty_SetsOn Dynamic Decision Making to Meet Consumption Targets原创 2020-08-20 19:14:58 · 197 阅读 · 0 评论 -
worst-case distribution的构造( Yongpei Guan的一个paper学习笔记)
Helly–Bray定理链接:概率收敛、均方收敛、分布收敛的关系Helly–Bray定理是关于分布收敛的一个等价形式:假设 ggg 是一个有界且连续的函数,随机变量XnX_nXn收敛于XXX,则E[g(Xn)]E[g(X_n)]E[g(Xn)] 收敛于E[g(X)]E[g(X)]E[g(X)].参考文献Chaoyue Zhao, Yongpei Guan. Data-driven risk-averse stochastic optimization with Wassersteinmet原创 2020-08-03 21:12:47 · 1156 阅读 · 0 评论 -
【鲁棒优化论文学习】Scarf上界的一个推广(Distribution-free Inventory Risk Pooling in a Multi-location Newsvendor)
1. Scar上界的一个推广这里worst-case分布之所以是“6点分布”,就在于每个 (⋅)+(\cdot)^+(⋅)+ 可以拆成两种情况,一共3个 (⋅)+(\cdot)^+(⋅)+,进而给出六点分布。2. 证明技巧首先,通过简单的对偶,问题可以写为:(均值 m1,m2m_1,m_2m1,m2、方差 σ1,σ2\sigma_1,\sigma_2σ1,σ2为已知,其它为变量)将每个 min\minmin 拆分下来,可以组装成6种情形:3. 参考文献A. Govindaraja原创 2020-07-23 15:05:50 · 621 阅读 · 0 评论 -
Type-infity Wasserstein Ball
type- ∞\infty∞ Wasserstein distance给定两个分布 P1,P2\mathbb{P}_1, \mathbb{P}_2P1,P2,它们之间的 type- ∞\infty∞ Wasserstein distance 定义为:d∞(P1,P2):=infQ∈P(P1,P2,W)Q-ess sup∥w~1−w~2∥d_{\infty}\left(\mathbb{P}_1, \mathbb{P}_2\right) := \mathop{\inf}\limits_{\m原创 2020-05-31 10:53:55 · 431 阅读 · 0 评论 -
【Robust学习笔记】Data-Driven Chance Constrained Programs over Wasserstein Balls
数据驱动下的机会约束优化考虑下列形式的分布鲁棒优化问题:minx∈XcTxs.t.P[ξ~∈S(x)]≥1−ϵ, ∀P∈F(θ)\begin{aligned} \mathop{\min}\limits_{\boldsymbol{x}\in\mathcal{X}} &\quad \boldsymbol{c}^T\boldsymbol{x} \\ \text{s.t.} &\quad \mathbb{P}\left[\tilde{\boldsymbol{\xi}}原创 2020-05-09 16:39:28 · 1446 阅读 · 0 评论 -
Conjugate function and Fenchel’s duality theorem
定义. 给定一个函数 f:Rn→Rf:\mathbb{R}^n\rightarrow\mathbb{R}f:Rn→R,它的 共轭函数(conjugate)f∗:Rn→Rf^*:\mathbb{R}^n\rightarrow\mathbb{R}f∗:Rn→R 定义为:f∗(y)=supx∈domf(yTx−f(x)).f^*(y)=\mathop{\sup}\limits_{x\in\tex...原创 2020-04-19 20:11:23 · 796 阅读 · 0 评论 -
Chance Constraints
Distributionally Robust Chance Constraints假设a~,b~\tilde{\boldsymbol{a}},\tilde{b}a~,b~ 是随机变量,FFF 是它们的一个联合分布。考虑下列形式的机会约束:PF{a~Tx+b~≤0}≥1−ϵ,ϵ∈{0,1}.\mathbf{P}_{F} \{ \tilde{\boldsymbol{a}}^T\boldsym...原创 2020-04-09 16:31:31 · 903 阅读 · 0 评论 -
【Robust学习笔记】Goal-Driven Optimization
Abstract本文提出了一个目标驱动的随机优化模型,该模型考虑了在达到期望水平、目标或目标时的随机目标函数。文中的模型最大化了短缺感知期望水平标准(shortfall-aware aspiration-level criterion),该标准包括成功实现期望水平的概率和预期的表现不佳或短缺的程度。该模型的主要优点是易于处理。我们可以通过求解一小部分随机线性优化问题来获得它的解,这些问题的目标...原创 2020-04-08 17:20:56 · 518 阅读 · 0 评论 -
【Robust学习笔记】Inventory Management Based on Target-Oriented Robust Optimization
AbstractYun F L和 Chen W(2016)提出了目标导向的鲁棒优化方法,用于解决多产品、多周期且订单容量受限的库存管理问题。模型假设每个时期对每个产品的需求是一个不确定性集,它只依赖于一个参考值和需求的界限。模型的目标是找到使所有不确定性集的规模最大化的订货策略,从而使得集合中的所有需求实现时总成本低于预定成本目标。研究证明,对于问题的一个近似形式,静态决策规则是最优的,且明显减...原创 2020-03-24 07:44:40 · 502 阅读 · 0 评论 -
Relative Entropy, Exponential Utility, and Robust Dynamic Pricing
符号符号含义[0,T][0,T][0,T]时间周期ccc可以在有限的时间间隔内出售的易腐物品的最大数量N(t)N(t)N(t)截至(包括)时间 ttt 的销售总数X(t)X(t)X(t)时间 ttt 时库存中剩余的物品数Ft=σ{N(s),0≤s≤t}\mathcal{F}_t = \sigma\{ N(s), 0\leq s \leq t\}...原创 2020-02-18 21:49:08 · 161 阅读 · 0 评论 -
数据驱动的鲁棒优化
These data have motivated a shift in thinking—away from a priori reasoning and assumptions and towards a new data-centered paradigm.这些数据促使人们从先验推理和假设转向以数据为中心的新范式。Literature Review[1] propose a nove...原创 2020-01-16 14:52:33 · 3523 阅读 · 0 评论 -
Constructing Risk Measures from Uncertainty Sets
一. 金融中的风险度量金融中的风险度量主要可以分为两大类:基于力矩的( moment-based)和基于分位数的(quantile-based)。基于力矩的风险度量可以追溯到经典的经济效用理论;而基于分位数的风险度量则是随机优势(stochastic dominance)理论发展的一个结果。与基于力矩的风险度量不同,基于分位数的风险度量更关心损失的概率和程度,它的优势是可以更好地处理收益分布的不...原创 2019-11-28 17:20:35 · 162 阅读 · 1 评论 -
Note
Taking a1′=a1−a2,a2′=a2a_1'=a_1-a_2, a_2'=a_2a1′=a1−a2,a2′=a2 and b1′=b1−b2,b2′=b2b_1'=b_1-b_2, b_2'=b_2b1′=b1−b2,b2′=b2, and Tˉ=T−μ1′x\bar{T}=T-\mathbf{\mu}_1'\mathbf{x}Tˉ=T−μ1′x, we have...原创 2019-11-27 20:14:06 · 119 阅读 · 0 评论 -
VaR and CVaR of Allais Paradox
本文是以 The Dao of Robustness 中的 Allias Paradox 为例子,整理一下在离散概率分布情况下 VaR 和 CVaR 的计算,加深对这两个指标的理解。1. Allias悖论有以下四种博彩:A:确定赢 1 美金;B:1%的概率一无所获,10%的概率赢 5 美金,89%的概率赢 1 美金;C:89%的概率一无所获,11%的概率赢 1 美金;D: 90%的...原创 2019-11-10 09:45:22 · 672 阅读 · 0 评论 -
Phi-divergence
ϕ\phiϕ-divergence原创 2019-11-09 16:11:33 · 497 阅读 · 0 评论 -
Wasserstain概率距离
从Wasserstein距离、对偶理论到WGAN原创 2019-11-08 16:32:32 · 1647 阅读 · 0 评论 -
Measure and Index in Robust Optimization
Definition Riskiness Index [3]Definition. Given a random delay denoted by the random variables ξ~∈V\tilde{\xi}\in\mathcal{V}ξ~∈V with probability distribution P\mathbb{P}P, the riskness index ρ...原创 2020-04-20 18:49:14 · 151 阅读 · 0 评论 -
Sharpe Ratio 夏普比率
The Sharpe ratio was developed by Nobel laureate William F. Sharpe and is used to help investors understand the return of an investment compared to its risk. The ratio is the average return earned in ...原创 2019-10-13 10:46:58 · 1685 阅读 · 0 评论 -
Benders Decomposition
例:运输问题mmm 个供应站供应量分别为:s1,⋯ ,sms_1,\cdots,s_ms1,⋯,smnnn 个销售点需求量分别为:d1,⋯ ,dnd_1,\cdots,d_nd1,⋯,dn从第 iii 个供应站运输到第 jjj 个销售点的单位成本为:ci,jc_{i,j}ci,j从第 iii 个供应站运输到第 jjj 个销售...原创 2019-08-01 20:08:53 · 1035 阅读 · 0 评论 -
CPLEX API for Python
Python 用户的 CPLEXpython教程模块 cplex 中的主类是类 Cplex。 它将优化问题的数学方程与用户所指定的有关 CPLEX 应如何对问题求解的信息封装在一起。 类 Cplex 提供了方法以修改问题、对问题求解以及查询问题本身及其解法。 类 Cplex 的方法分组为相关功能的类别。 例如,用于添加、修改和查询与变量相关的数据的方法包含在类 Cplex 的成员 variab...原创 2019-08-01 11:49:18 · 5220 阅读 · 2 评论 -
MOSEK
matlab 安装 cvx 和 mosek 以及 gurobi安装MOSEK原创 2019-08-03 10:44:56 · 3217 阅读 · 0 评论 -
Linear conic programming
符号Mn\mathcal{M}^nMn:所有 nnn 阶实对称矩阵组成的空间定理定理1.1 (Separating hyperplane theorem) 假设 C⊂E\mathcal{C}\subset\mathcal{E}C⊂E 是一个闭凸集,其中 E\mathcal{E}E 是 Rn\mathbb{R}^nRn 或 Mn\mathcal{M}^nMn,yyy 是 C\mathcal{C...原创 2019-07-30 18:59:23 · 339 阅读 · 0 评论 -
分布鲁棒的对偶
Moment UncertaintyExample 1. [1]        \;\;\;\;考虑分布鲁棒随机规划(Distributionally Robust Stochastic Program) (由Scarf 于1958年提出):minx∈X(maxF∈DEF[h(...原创 2019-07-06 16:19:16 · 2247 阅读 · 1 评论 -
鲁棒优化论文阅读笔记
1. Robert P. Rooderkerk, Harald J. van Heerde, Robust Optimization of the 0-1 Knapsack Problem: Balancing Risk and Return in Assortment Optimization, European Journal of Operational Research.产品组合问题的主...原创 2019-06-29 10:21:46 · 5045 阅读 · 0 评论 -
Robust Optimization
Recall that Linear Optimization (LO) problem is of the form (1)minx{cTx+d:Ax≤b} \min_x\{c^Tx+d:Ax\leq b\}\tag{1}xmin{cTx+d:Ax≤b}(1) where x∈Rnx\in\mathbf{R}^nx∈Rn is the vector of decision variable...原创 2019-06-20 20:01:37 · 2116 阅读 · 0 评论 -
Farkas'Lemma 和 S-Lemma
11原创 2019-07-13 09:16:37 · 3502 阅读 · 1 评论 -
projection theorem
参考文献Popescu, Ioana. 2007. Robust mean-covariance solutions for stochastic optimization. Opera-tions Research 55(1) 98–112.原创 2019-07-13 09:16:09 · 764 阅读 · 0 评论 -
CPLEX:通过文件描述问题
分段线性 (PWL) 约束LP 文件中的分段线性 (PWL) 约束范例:pwl1: y = x 0.5 (0, 0) (1, 1) (2, 4) 2.0说明:变量为 x;前段斜率为 0.5;断点为 (0, 0) (1, 1) (2, 4);后段斜率为 2.0。此分段线性约束的名称为 pwl1。样本 LP 文件格式\ENCODING=ISO-8859-1\Problem name: tr...原创 2019-08-14 13:58:23 · 450 阅读 · 1 评论 -
CPLEX:二次规划
二次约束程序 (QCP)原创 2019-08-14 15:44:52 · 5691 阅读 · 1 评论