[論文レビュー] Two-Stage Robust Optimization with Decision Dependent Uncertainty

Bo Zeng, Wei Wang|arXiv (Cornell University)|Mar 30, 2022

Risk and Portfolio Optimization被引用数 13

ひとこと要約

本稿は、意思決定に依存する不確実性（DDU）を伴う2段階ロバスト最適化問題を正確に解くために、列と制約の生成（C&CG）法の3つの高度な変種を提案する。線形計画法の根幹的概念を活用し、収束性および反復回数の複雑さの厳密な分析がなされている。驚くべきことに、DDUに基づく問題は、意思決定に依存しない不確実性（DIU）の問題と比較して反復回数の面でより複雑ではない。また、分野特有の知識（「深い知識」）を活用してDIU集合をDDU集合に変換することで、解の品質およびロバスト性が顕著に向上することが示された。

ABSTRACT

The type of decision dependent uncertainties (DDUs) imposes a great challenge in decision making, while existing methodologies are not sufficient to support many real practices. In this paper, we present a systematic study to handle this challenge in two-stage robust optimization~(RO). Our main contributions include three sophisticated variants of column-and-constraint generation method to exactly compute DDU-based two-stage RO. By a novel application of core concepts of linear programming, we provide rigorous analyses on their computational behaviors. Interestingly, in terms of the iteration complexity of those algorithms, DDU-based two-stage RO is not more demanding than its decision independent uncertainty (DIU) based counterpart. It is worth highlighting a counterintuitive discovery that converting a DIU set into a DDU set by making use of "deep knowledge" and then computing the resulting DDU-based formulation may lead to a significant improvement. Indeed, as shown in this paper, in addition to capturing the actual dependence existing in the real world, DDU is a powerful and flexible tool to represent and leverage analytical properties or simply domain expertise to achieve a strong solution capacity. So, we believe it will open a new direction to solve large-scale DIU- or DDU-based RO. Other important results include basic structural properties for two-stage RO, an approximation scheme to deal with mixed integer recourse, and a couple of enhancement techniques for the developed algorithms, as well as an organized numerical study to help us appreciate all algorithms and enhancement techniques' computational performances.

研究の動機と目的

• 意思決定に依存する不確実性（DDU）が2段階ロバスト最適化に与える影響を解明すること。これは意思決定に依存しない不確実性（DIU）と比較して、まだ十分に研究が進んでいない。
• DDUを伴う2段階ROを正確かつ計算的に効率的に解くためのアルゴリズムを開発すること。既存の手法に見られる限界を克服することを目的とする。
• 基本的な線形計画法の概念を用いて、提案されたC&CGの変種の収束性および反復回数の複雑さを厳密に分析すること。
• 分野の専門知識（「深い知識」）を活用してDDUの定式化を行うことで、従来のDIUモデルと比較して優れた解が得られることを示すこと。
• 実用的導入を可能にする包括的なフレームワークを提供すること。これには、構造的性質、混合整数リカッセの近似スキーム、アルゴリズムの強化が含まれる。

提案手法

• 2段階ロバスト最適化におけるDDUに特化した、列と制約の生成（C&CG）法の3つの洗練された変種を提案。非線形リカッセおよび不確実性集合の取り扱いを改善するための修正を組み込む。
• C&CGフレームワーク内に、双対性や最適性条件といった線形計画法の根幹的概念を適用し、収束性および反復回数の複雑さを厳密に分析する。
• 2段階の2次錐（SOC）リカッセ問題およびSOCに基づく不確実性集合を扱うための新規な定式化技術を導入。数値的安定性が向上する。
• 混合整数リカッセ問題を扱うための近似スキームを開発。これにより、現実の意思決定シナリオへの広範な適用性が実現される。
• ウォームスタート、制約の強化、動的カット生成といった強化技術を用いて収束を加速する。
• 施設配置問題およびネットワーク設計問題を対象とした包括的な数値実験により、提案手法の有効性を検証。不確実性構造やリカッセタイプの変化を考慮した多様な設定で評価。

実験結果

リサーチクエスチョン

• RQ1 2段階ロバスト最適化における意思決定に依存する不確実性（DDU）を、強化されたC&CG手法で正確に解くことは可能か？ そのようなアルゴリズムの理論的反復回数の複雑さはいかほどか？
• RQ2 分野特有の知識（「深い知識」）を用いてDIU集合をDDU集合に変換することで、解の品質や計算性能が向上するか？
• RQ3 DDUが意思決定に依存する不確実性を導入するにもかかわらず、DDUに基づく2段階ROの反復回数の複雑さは、DIUに基づくそれと比較してどの程度か？
• RQ4 2段階ロバスト最適化問題におけるDDUの下での構造的性質は何か？ それらはDIUの定式化とどのように異なるか？
• RQ5 非線形リカッセ（例：2次錐）および非線形不確実性集合は、提案されたアルゴリズムの計算的性能およびスケーラビリティにどのように影響するか？

主な発見

• 提案されたC&CGの変種は、線形計画法理論に基づく厳密な収束性および反復回数の複雑さ分析を伴い、DDUを伴う2段階ロバスト最適化問題を正確に解くことができる。
• DDUに起因する追加の複雑さにもかかわらず、提案されたアルゴリズムの反復回数の複雑さは、DIUに基づくそれらと同等である。これは、DDUが本質的に難しいとされる仮定に反する。
• 分野特許の知識（「深い知識」）を用いてDIU不確実性集合をDDU集合に変換することで、解の品質が顕著に向上することが示された。これは、DDU定式化がより表現力に富んでいるにもかかわらず顕著な改善をもたらす。
• 2次錐（SOC）リカッセ問題の計算負荷は、線形リカッセと比較して平均して2桁以上高いが、C&CGの反復回数は依然として低く抑えられている。
• SOCに基づく不確実性集合は、SOCリカッセ問題ほど計算コストを急激に増加させない。これは、非線形DDU問題において、後者が主なボトルネックであることを示唆している。
• 非線形構造では、パrameter設定に極めて敏感であることが判明した。これは、大規模インスタンスに対しては、線形または多面体の定式化がより安定的かつスケーラブルであることを示唆している。