L-shape 方法

心态与习惯

已于 2023-09-13 18:06:49 修改

阅读量3.4k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：数学优化随机规划文章标签： L-shape 两阶段规划随机规划

于 2023-05-30 17:16:12 首次发布

本文链接：https://blog.csdn.net/robert_chen1988/article/details/130738257

数学优化同时被 2 个专栏收录

147 篇文章

订阅专栏

随机规划

12 篇文章

订阅专栏

L-shape 方法是求解两阶段随机规划的一种常用方法，基本思想是利用切平面将第二阶段的反馈函数线性化，在构造切平面条件时有点类似 bender’s 方法。

在这里插入图片描述
注：这个图形中黑实线 $Q(x)\mathcal{Q}(x)$ 就是下面模型中的 $L(x)\mathscr{L}(x)$

两阶段随机规划的模型可以表示为：

$\begin{aligned} &\min_x\quad &&c^Tx+\mathscr{L}(x)\\ &s.t.\\ &&&Ax=b\\ &&&x\geq 0 \end{aligned}$

其中， $L(x)=E[Q(x,ξ(ω))]\mathscr{L}(x)=\mathbb{E}[Q(x, \xi(\omega))]$ ，被称作反馈函数 (recourse function)，而 $\xi(\omega))$ 为给定 $x$ 与 $ω\omega$ 时，第二段模型的最优值，即：

$\begin{aligned} &&&Q(x, \xi(\omega))=\min_y q(\omega)^Ty\\ s.t.\\ &&&T(\omega)x+Wy=h(\omega)\\ &&&y\geq 0 \end{aligned}$

模型中， $x$ 为第一阶段的决策变量，必须在不确定性发生之前作出决定， $y$ 为第二阶段的决策变量，在不确定性发生之后作出决定。 $ξ\xi$ 为随机变量，而 $ω\omega$ 为随机变量的一个具体实现值，模型中的决策变量与随机变量都可以是向量形式。

上面第二个模型中，可以看出 $W$ 与 $ω\omega$ 无关，即第二阶段求解变量 $y$ 的系数是一个确定值，并不是随机变量。此时，上面两个模型称作固定反馈 (fixed recourse) 的两阶段随机规划模型。因为固定反馈时，第二阶段模型 $x$ 的可行域为一个闭凸集，这样就能使用很多方法求解了，否则第二阶段模型 $x$ 的可行域不一定是闭凸集（为什么？目前还没搞清楚）。

假设随机变量 $ξ\xi$ 具有有限个，即 $K$ 个实现值（realization），每个实现值对应的概率为 $p_k$ ，则两阶段规划的扩展模型（extensive form）可以表示为：

$\begin{aligned} &\min_x\quad &&c^Tx+\sum_{k=1}^K p_kq_k^Ty_k\\ &s.t.\\ &&&Ax=b\\ &&&T_kx+Wy_k=h_k,\quad k=1,\dots, K,\\ &&&x\geq 0,y_k\geq 0,\quad k=1,\dots, K. \end{aligned}$