【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，这些问题的目标函数是基于条件风险值（CVaR）测度来评估的。利用鲁棒优化中的技术，提出了目标驱动优化问题的一种基于决策规则的确定性逼近方法(decision-rule-based deterministic approximation)，该方法通过求解子问题（子问题的数目与精度成多项式关系），每个子问题都是二阶锥优化问题（SOCP）。

数值实验部分，比较了确定性近似(deterministic approximation)和基于抽样的近似(sampling-based approximation)的数值性能，并报告了对多产品报童问题的计算见解。

参考文献

W.Q. Chen, M. Sim, Goal-Driven Optimization, Operations Research, Vol. 57, No. 2, March-April 2009, pp. 342-357.