学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

首发于微信公众号『运筹OR帷幄』

文章作者:汤勤深

责任编辑: 张帆

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

此文简单介绍AROMA的1.0版本:XProg。希望可以帮做鲁棒优化相关的同行们省去手动求对偶和Robust Counterpart,然后吭哧吭哧编程的麻烦。后台回复关键词”XProg“可以获取XProg软件下载链接,回复”XProg程序“即可获取文中出现的全部代码。

本文将简单介绍XProg(内容主要来自Xprog的用户手册)。Julia语言里有为鲁棒优化开发的JuMPeR。个人使用体验是XProg更简洁,功能更齐全:可以直接编程最新的分布式鲁棒优化(DRO)的相关模型,而JuMPeR主要适用于传统的鲁棒优化模型,而且似乎现在处于无人维护的状态。

Julia入门科普请出门左转到 @覃含章 的文章:Julia:简单易用的数值计算/优化编程语言

XProg由Dr. Peng Xiong开发,旨在用最简单直观的语言进行鲁棒优化模型的求解。最新版本的AROMA由Prof. Melvyn Sim, Dr. Peng Xiong 和Dr. Zhi Chen开发。XProg只有Matlab版;AROMA将会增加Python版本。两者都可通过调用Gurobi,Cplex, MOSEK等求解器进行求解。

XProg

先上一个多产品的分布式鲁棒报童模型的求解,直观感受一下。

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

其中,模糊集(ambiguity set)

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

为,

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

求解程序如下:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

对于里面的extended模糊集和extended LDR的概念,请参考

Adaptive Distributionally Robust Optimization

pubsonline.informs.org

由上面的例子可以看出,XProg提供了一种照着原始模型编出来的简洁高效编程方法。它已经把求对偶求robust counterpart等步骤全部内嵌到程序里去了。这大大地减少了之前做RO或者DRO的问题的时候,往往得先手动求对偶,然后再用C, C , Java,Matlab等求解的那份酸爽!

以下直接举例来阐明XProg的用法,具体语法请参阅XProg包里面的“用户手册”。以下所举的例子大都在安装包中的“examples”。

1、线性规划 (Linear Programming)

对于任意的线性规划:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

实现起来特别方便:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

比如下面这个线性规划:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

只需要在程序开始赋值:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

解出来结果如下:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

2、混合整数规划(Mixed Integer Programming)

对于混合整数规划,只需在定义变量时注明是二进制变量(binary variable)还是整数变量就可:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

3、随机规划

XProg 还可以对随机规划问题进行求解。不同场景下的决策可以用cell array实现,举例如下(编者实在太懒。。。问题描述请参考用户手册第15页):

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

求解程序如下:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

求解结果如下:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

4、经典鲁棒优化模型求解

举例多阶段库存优化模型(问题描述请参考用户手册22页):

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

实现程序如下:

学界丨XPROG:简单实用的鲁棒优化RO, DRO编程语言(鲁棒优化方法)

5、分布式鲁棒优化模型求解

详见文首的例子。

鉴于XProg很快就要被功能强大N多的AROMA取代,本文特别精简地介绍了XProg这个简单实用的鲁棒优化(RO, DRO)编程语言。AROMA进一步对XProg进行了精简,但是功能却更加强大了。等AROMA正式上线之后,再写一篇详细的入门介绍文章。

参考文献:

D. Bertsimas and M. Sim. 2004. Price of Robustness. Operations Research, 52(1), 35-53.

W. Wiesemann, D. Kuhn, M. Sim. 2014. Distributionally Robust Convex Optimization. Operations Research, 62(6), 1358-1376.

D. Bertsimas, M. Sim and M. Zhang 2017. A Practically Efficient Approach for Solving Adaptive Distributionally Robust Linear Optimization Problems. Forthcoming in Management Science.

在微信公众号后台回复“XProg” 可以获得本文所有代码和XProg软件包的下载链接。


原文链接:https://mp.weixin.qq.com/s/q0x9pXz7p7OciWqBOIV5JQ

版权说明:本文由『运筹OR帷幄』编译整理,不作为商业用途,如有内容侵权,我们将随时删除。

欢迎查看原文,获取更多讯息!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

(0)
上一篇 2023年4月22日 上午8:40
下一篇 2023年4月22日 上午8:50

相关推荐