Comment l'optimisation sous incertitude est-elle effectuée dans des applications du monde réel?

Dec 09 2020

Dans cet article Qu'est- ce que l'optimisation robuste? il y a une belle introduction à l'optimisation robuste.

Il existe de nombreux concepts d'incertitude dans les problèmes d'optimisation tels que

  • optimisation robuste
  • optimisation stochastique
  • optimisation robuste sur le plan de la distribution
  • robustesse réglable
  • ... et beaucoup plus.

Dans quelle mesure ces concepts sont-ils appliqués dans des applications réelles d'optimisation et comment les ensembles d'incertitudes sont-ils dérivés dans un scénario pratique?

Réponses

9 prubin Dec 09 2020 at 05:04

Ce qui suit est une opinion purement personnelle. Je dirais qu'une (substantielle) majorité des problèmes d'optimisation non académiques n'impliquent aucune des méthodes que vous avez énumérées, pour un certain nombre de raisons.

  • "Mieux vaut l'ennemi du bien." L'utilisation de valeurs fixes et plausibles pour les paramètres et le fait d'ignorer l'incertitude produisent souvent des réponses suffisamment bonnes pour la gestion, alors pourquoi devenir plus compliqué?
  • Pour les problèmes à grande échelle, toute complexité supplémentaire pourrait être un frein, alors pourquoi le risquer?
  • L'optimisation stochastique nécessite des hypothèses / estimations distributionnelles qui peuvent ne pas être faciles à obtenir.
  • De nombreux étudiants en OR / MS / IE reçoivent une formation de base en LP, modèles de graphes, programmation dynamique et, espérons-le, MIP, et peut-être quelque chose d'un peu plus funky (théorie du contrôle optimal?), Mais n'obtiennent pas beaucoup, voire aucune exposition en classe à l'optimisation stochastique et en particulier à l'optimisation robuste (ce qui est relativement nouveau). Maintenant, passez de «l'exposition» à la «maîtrise» (une transformation non croissante), trouvez-leur des emplois, et vous vous retrouvez avec des gens qui résolvent des problèmes qui peuvent ou non être conscients de ces choses, mais en tout cas ne sont certainement pas à l'aise avec eux.

Puisqu'une foule de lynches se forme en dehors de mon étude, permettez-moi d'ajouter qu'il y a du mérite à chacun des concepts que vous avez énumérés, et je ne conteste pas leur utilisation (sauf là où cela transformerait un modèle approximatif difficile à résoudre en un résoudre mais modèle plus exact). Quelque part plus tard, à mesure qu'ils deviendront des sujets académiques plus courants, leur utilisation augmentera probablement.