Как выполняется оптимизация в условиях неопределенности в реальных приложениях?
В этом посте Что такое надежная оптимизация? есть хорошее введение в надежную оптимизацию.
Существует множество концепций неопределенности в задачах оптимизации, например
- надежная оптимизация
- стохастическая оптимизация
- устойчивая к распределению оптимизация
- регулируемая прочность
- ... и многое другое.
Насколько распространены эти концепции в реальных приложениях для оптимизации и как наборы неопределенности выводятся в практическом сценарии?
Ответы
Следующее - сугубо личное мнение. Я бы сказал, что (существенное) большинство неакадемических задач оптимизации не связаны ни с одним из перечисленных вами методов по ряду причин.
- «Лучшее - враг достаточно хорошего». Использование фиксированных правдоподобных значений параметров и игнорирование неопределенности часто дает ответы, которые достаточно хороши для руководства, так зачем усложнять?
- Для крупномасштабных проблем любая дополнительная сложность может стать препятствием, так зачем рисковать?
- Стохастическая оптимизация требует допущений / оценок распределения, которые может быть нелегко получить.
- Многие студенты OR / MS / IE получают базовое образование в области LP, графических моделей, динамического программирования и, надеюсь, MIP, и, возможно, чего-то более забавного (теория оптимального управления?), Но не получают большого, если вообще, воздействия в классе на стохастическую оптимизацию и особенно к надежной оптимизации (что относительно недавно). Теперь переходите от «воздействия» к «мастерству» (невозрастающее преобразование), дайте им работу, и в итоге вы получите людей, решающих проблемы, которые могут или не могут знать об этих вещах, но в любом случае определенно не чувствуют себя комфортно с ними.
Поскольку за пределами моего исследования формируется толпа линчевателей, позвольте мне добавить, что у каждой из перечисленных вами концепций есть свои достоинства, и я не возражаю против их использования (за исключением случаев, когда трудно решить приближенную модель в невозможную решаю но более точную модель). Где-то в будущем, когда они станут более популярными академическими темами, их использование, вероятно, будет расти.