[论文解读] Robust Optimization under Multi-band Uncertainty - Part I: Theory

Christina Büsing, Fabio D’Andreagiovanni|arXiv (Cornell University)|Jan 12, 2013

Risk and Portfolio OptimizationDecision Sciences参考文献 22被引用 17

一句话总结

本文提出了一种用于鲁棒优化的新型多带不确定性模型，通过将不确定性划分为多个具有独立偏差限制的非对称带，扩展了经典的Bertsimas-Sim框架。该方法能够更精确地建模现实世界中非对称且非均匀的数据分布，尤其在网络设计中表现优异，并利用矩生成函数与Hoeffding不等式，建立了具有概率边界的紧凑鲁棒对等模型。

ABSTRACT

The classical single-band uncertainty model introduced by Bertsimas and Sim has represented a breakthrough in the development of tractable robust counterparts of Linear Programs. However, adopting a single deviation band may be too limitative in practice: in many real-world problems, observed deviations indeed present asymmetric distributions over asymmetric ranges, so that getting a higher modeling resolution by partitioning the band into multiple sub-bands is advisable. The critical aim of our work is to close the knowledge gap on the adoption of multi-band uncertainty in Robust Optimization: a general definition and intensive theoretical study of a multi-band model are actually still missing. Our new developments have been also strongly inspired and encouraged by our industrial partners, interested in getting a better modeling of arbitrary shaped distributions, built on historical data about the uncertainty affecting the considered real-world problems.

研究动机与目标

• 解决鲁棒优化中多带不确定性模型缺乏理论基础的问题，使其能更好地捕捉非对称且非均匀的真实世界数据分布。
• 回应工业界需求——特别是来自诺基亚西门子网络和BT等电信合作伙伴——在光网络与通信网络设计中对精细化不确定性建模的诉求。
• 构建一个通用的多带不确定性理论框架，扩展Bertsimas与Sim的经典单带鲁棒优化模型。
• 通过允许多个具有独立Γ参数的偏差带，提升建模分辨率，从而在鲁棒性上优于单带模型。
• 建立一个紧凑的鲁棒对等公式，确保在保留原始MILP可解性的同时，整合复杂的不确定性结构。

提出的方法

• 定义一个多带不确定性集，其中每个系数在其名义值周围被限制在多个互不相交的区间内，每个区间具有独立的最大偏差。
• 为每个带引入独立的Γ参数，以控制允许在该带内偏离的系数数量，从而实现非对称建模。
• 利用凸性与Hoeffding不等式，推导不确定系数的矩母函数的概率边界。
• 使用Hoeffding不等式，界定不确定系数样本均值与真实均值之间的差异，为实际均值提供置信区间。
• 构建不确定系数加权和的期望指数矩的紧上界，这对于推导鲁棒对等模型至关重要。
• 利用推导出的矩母函数边界，制定紧凑的鲁棒对等公式，确保解在高概率下对多带不确定性集保持鲁棒。

实验结果

研究问题

• RQ1 如何将经典的单带鲁棒优化模型推广，以通过多个偏差带处理非对称且非均匀的不确定性分布？
• RQ2 多带不确定性模型具有哪些理论特性？如何将其嵌入紧凑的鲁棒对等公式中？
• RQ3 能否为多带不确定性推导出矩母函数的概率边界，以确保在高置信度下解的鲁棒性？
• RQ4 如何利用历史数据对不确定性模型进行校准，以反映真实应用中观察到的任意形状分布？
• RQ5 在具有独立Γ值的多个带下，对网络设计中鲁棒优化问题的可解性与解质量有何影响？

主要发现

• 所提出的多带不确定性模型相较于经典单带模型，能更准确地表示非对称且非均匀的数据分布。
• 推导出一个紧凑的鲁棒对等公式，该公式在保留原始MILP可解性的同时，整合了具有独立Γ参数的多个偏差带。
• 利用凸性与Hoeffding不等式，建立了矩母函数的概率边界，从而能够构建具有高置信度的鲁棒对等公式。
• 所推导边界的置信水平至少为 $\prod_{j\in J}(1 - \beta_{ij})$，其中 $\beta_{ij}$ 控制均值偏离的概率。
• 通过建模带内行为而非仅依赖极端值，该方法实现了更紧致且更现实的不确定性集，从而减少了过度保守性。
• 该框架通过工业合作得到验证，适用于实际问题，如具有非对称流量不确定性的光网络设计。