.png){kind=icon}
返回
Distributionally robust resource allocation using Wasserstein distance
.png){kind=icon}
PRE
AI
DOI：10.1007/s10898-025-01538-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
资源分配是许多领域（如贷款管理、云计算和广告）中的一个关键方面，其中在资源消耗约束下通过最小化总成本做出最优决策至关重要。然而，传统的资源分配模型带来了若干挑战，例如高计算复杂度、在测试数据集上表现不佳以及在收益生成方面缺乏鲁棒性。为克服这些挑战，我们提出了一种基于Wasserstein距离的分布鲁棒性资源分配模型，并采用样本分组策略。该方法提高了测试数据集上的性能并减少了变量数量。所提出的模型被重述为带正则化项的线性规划。数值结果表明，与样本平均近似模型以及未采用样本分组策略的分布鲁棒性资源分配模型相比，所提出的模型在泛化性能和鲁棒性方面具有更优表现。此外，与未采用分组策略的方法相比，计算时间显著减少。
Keyword:
Distributionally robust optimization
Resource allocation problem
Sample grouping strategy
期刊
J
IF:
1.7
论文数:
88
被引数:
6.9K
机构
引用论文
.png){kind=icon}
Data-driven distributionally robust optimization using the Wasserstein metric: performance guarantees and tractable reformulations使用Wasserstein度量的数据驱动的分布式鲁棒优化: 性能保证和可处理的重新制定
PREAI
分享收藏
Multi-period dynamic distributionally robust pre-positioning of emergency supplies under demand uncertainty需求不确定下应急物资的多期动态分布鲁棒预定位
PREAI
分享收藏Scenario grouping in a progressive hedging-based meta-heuristic for stochastic network design基于渐进对冲的随机网络设计元启发式中的场景分组
PREAI
分享收藏Adversarial classification via distributional robustness with Wasserstein ambiguity基于Wasserstein不确定性的分布鲁棒性对抗分类
OAAI
OAAI分享收藏
查看更多内容