随机规划求解方法总结

随机规划问题由于随机性的存在,非常难于求解,自己根据目前的阅读与研究,总结出以下几点:

1. 使用随机动态规划

这本质上是一种穷举的方法,能够得到最优解,然而不适宜求解大规模问题。

2. 分析问题的性质,找到最优解结构

一般需要针对特定问题,需要高超的数学推导技巧。

3. 将其中的随机函数线性化。

若能够线性化,则可以用线性规划软件直接求解。但并不是所有的随机函数都能够线性化,若该随机函数里面只有一个随机变量,一般会容易些。

4. 使用情景树

使用不同的情景代替随机变量,问题同样转化为线性问题。然而对于较大规模的问题,情景树将会特别巨大从而难以求解,需要一定的情景树生成技巧从而减少问题规模。

5. 机会约束规划

利用机会约束,将随机问题转化为线性问题。

6. 鲁棒优化

也是一种流行的方法,但我还不太熟悉

7. 抽样平均近似方法 SAA,Sample Average Approximation

这个是对一个随机变量连续抽样,一般将目标函数转化为一个期望值求解,目前我也不太熟。

对于多阶段问题,问题规模太大时,SAA 也不好求解。

目前我发现 SAA 与情景树的求解结果非常接近,基本相同。我觉得这两种方法在一些问题中可以等价。

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 创作都市 设计师:CSDN官方博客 返回首页