.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
本文提出了一种新的鲁棒优化（RO）模型，即目标函数不确定下的鲁棒优化（ObRO）。ObRO采用min-max结构，其中内层问题在连续函数空间中寻找最坏情况的目标函数以最大化成本，外层问题在欧几里得空间中寻找最优决策以最小化成本。设计了一种求解算法，交替生成当前决策下的最坏情况目标函数和当前目标函数集合下的最优决策。利用算子理论，我们证明了该算法收敛于ObRO问题定义的“半全局”鞍点。此外，我们提出了一种基于目标函数的分段线性化（PWL）近似的数值求解器。证明了PWL近似问题在数值上与原始ObRO问题一致。所得结果应用于考虑老化效应的配电网电池充电调度。
Keyword:
robust optimization
functional uncertainty
minimax optimization
saddle point
operator
