Wie erfolgt die Optimierung unter Unsicherheit in realen Anwendungen?

Question

In diesem Beitrag Was ist robuste Optimierung? Es gibt eine schöne Einführung in die robuste Optimierung.

Es gibt viele Konzepte für Unsicherheit bei Optimierungsproblemen wie

• robuste Optimierung
• stochastische Optimierung
• verteilungssichere Optimierung
• einstellbare Robustheit
• ... und viele mehr.

Wie häufig werden diese Konzepte in realen Optimierungsanwendungen angewendet und wie werden die Unsicherheitssätze in einem praktischen Szenario abgeleitet?

Answer 1

Das Folgende ist eine rein persönliche Meinung. Ich würde sagen, dass eine (erhebliche) Mehrheit der nicht-akademischen Optimierungsprobleme aus einer Reihe von Gründen keine der von Ihnen aufgeführten Methoden betrifft.

• "Besser ist der Feind gut genug." Die Verwendung fester, plausibler Werte für Parameter und das Ignorieren von Unsicherheiten führen häufig zu Antworten, die für das Management gut genug sind. Warum also komplizierter werden?
• Bei großen Problemen kann jede zusätzliche Komplexität ein Rückschlag sein. Warum also riskieren?
• Die stochastische Optimierung erfordert Verteilungsannahmen / -schätzungen, die möglicherweise nicht leicht zu erhalten sind.
• Viele OR / MS / IE-Studenten erhalten eine Grundausbildung in LP, Grafikmodellen, dynamischer Programmierung und hoffentlich MIP und vielleicht etwas Funkigerem (Theorie der optimalen Steuerung?), Aber nicht viel, wenn überhaupt, im Klassenzimmer stochastischer Optimierung ausgesetzt sind und insbesondere zu robuster Optimierung (die relativ neu ist). Wechseln Sie jetzt von "Exposition" zu "Meisterschaft" (eine nicht zunehmende Transformation), bekommen Sie Jobs, und Sie haben Leute, die Probleme lösen, die sich dieser Dinge vielleicht bewusst sind oder nicht, aber auf jeden Fall mit ihnen definitiv nicht vertraut sind.

Da sich außerhalb meines Studiums ein Lynchmob bildet, möchte ich hinzufügen, dass jedes der von Ihnen aufgelisteten Konzepte einen Wert hat und ich nicht gegen deren Verwendung argumentiere (außer wenn es schwierig wäre, ein ungefähres Modell in ein unmögliches zu lösen) lösen aber genaueres Modell). Irgendwann wird ihre Verwendung wahrscheinlich zunehmen, wenn sie zu allgemeineren akademischen Themen werden.