不確実性の下での最適化は、実際のアプリケーションでどのように行われますか？
Dec 09 2020
この投稿では、堅牢な最適化とは何ですか？堅牢な最適化についてのすばらしい紹介があります。
のような最適化問題の不確実性には多くの概念があります
- 堅牢な最適化
- 確率的最適化
- 分布的にロバストな最適化
- 調整可能な堅牢性
- ... などなど。
これらの概念は、最適化のために実際のアプリケーションにどの程度一般的に適用され、実際のシナリオでは不確実性セットはどのように導き出されますか？
回答
9 prubin Dec 09 2020 at 05:04
以下は純粋に個人的な意見です。非学術的最適化問題の（実質的な）大部分は、いくつかの理由から、あなたがリストした方法のいずれにも関係していないと思います。
- 「より良いのは十分に良い敵です。」パラメータに固定されたもっともらしい値を使用し、不確実性を無視すると、管理に十分な答えが得られることがよくあります。それでは、なぜもっと複雑になるのでしょうか。
- 大規模な問題の場合、追加の複雑さがバックブリーカーになる可能性があるので、なぜそれを危険にさらすのですか？
- 確率的最適化には、簡単に実現できない可能性のある分布的仮定/推定が必要です。
- 多くのOR / MS / IEの学生は、LP、グラフモデル、動的計画法、できればMIP、そしておそらく少しファンキーなもの（最適制御理論？）の基礎教育を受けますが、確率的最適化、特に教室での露出があったとしてもあまり得られません堅牢な最適化（比較的新しい）。今度は「露出」から「習熟」（増加しない変革）に移行し、彼らに仕事を与えてください。そうすれば、問題を解決する人々になります。
私の研究の外でリンチの暴徒が形成されているので、あなたがリストした各概念にはメリットがあり、それらの使用に反対しているわけではありません（近似モデルを解くのが難しい場合を除いて、解くがより正確なモデル）。将来的には、それらがより主流の学術トピックになるにつれて、それらの使用が増える可能性があります。