決定依存情報発見によるロバスト最適化【JST・京大機械翻訳】

Vayanos Phebe; Georghiou Angelos; Yu Han

プレプリント

J-GLOBAL ID：202202202203176925 整理番号：22P0002022

決定依存情報発見によるロバスト最適化【JST・京大機械翻訳】

Robust Optimization with Decision-Dependent Information Discovery

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年04月17日プレプリントサーバーでの情報更新日： 2022年08月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ロバスト最適化は,不確実性によって影響される2段階および多段意思決定問題をモデル化し,解決するための一般的なパラダイムである。多くの実世界アプリケーションにおいて,情報発見の時間は決定依存性であり,不確かなパラメータは,しばしば高価な投資後に観測可能になった。しかし,ほとんどの文献は,不確かなパラメータが自由で観測でき,それらが明らかにされたシーケンスが意思決定者の行動に無関係であると仮定する。このギャップを埋めるために,決定変数の一部が情報発見の時間を制御する2段階および多段ロバスト最適化問題を考察した。したがって,以前の段階で戦略的探索投資を行うことによって,情報を発見できる。問題の新しい動的定式化を提案し,その正当性を証明した。K適応近似からヒントを得た解法を提供するために,著者らのモデルを利用した。何れも(resp.のいくつか)決定変数が実数値であるならば,問題を有限混合整数(resp.双線形)プログラムとして再定式化した。この有限プログラムは,市販のソルバで解決可能である。この手法を区分的線形凸関数の最小化に一般化した。Pandoraボックス問題,選好導出問題,最良ボックス問題,およびR&Dプロジェクトポートフォリオ最適化問題の合成事例に関する解釈可能性,最適性,および速度に関して,著者らの方法の有効性を実証した。最後に,著者らは,組織共有のための米国ネットワークにおいて,政策決定者への腎臓割当て政策を推薦するために使用するアクティブ選好誘発問題の実例に関してそれを評価した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

その他のオペレーションズリサーチの手法 , 数理計画法 , 数値計算

前のページに戻る