.png){kind=icon}
返回
Constrained Optimization With Decision-Dependent Distributions
.png){kind=icon}
PRE
AI
DOI：10.1109/TAC.2025.3540441.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文处理数据分布随决策变量变化的随机优化问题。传统上，关于决策依赖分布的优化问题研究假定不存在约束或约束固定。本研究考虑更一般的设定，其中约束也可动态调整以响应决策变量的变化。具体地，我们考虑线性约束，并分析决策依赖分布对目标函数和约束的影响。首先，我们建立约束均衡点存在的充分条件，在该点分布经再训练保持不变。此外，我们提出并分析两种算法：重复约束优化和重复对偶上升。针对每种算法，我们提供收敛至约束均衡点的充分条件。进一步，我们探讨约束均衡点与约束决策依赖优化问题的最优点之间的关系。值得注意的是，当约束固定时，我们的结果包含先前发现作为特例。为展示理论分析的有效性，我们在市场问题和基于真实数据的动态停车定价问题上提供了数值实验。
Keyword:
Constrained optimization
decision-dependent distributions
dual ascent algorithms
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
引用论文
.png){kind=icon}
Online Projected Gradient Descent for Stochastic Optimization With Decision-Dependent Distributions
OAAI
OAAI分享收藏分享收藏分享收藏Distributed Bandit Online Convex Optimization With Time-Varying Coupled Inequality Constraints时变耦合不等式约束的分布式Bandit在线凸优化
OAAI
OAAI分享收藏
查看更多内容