Robust optimization II - Cheatsheet.pdf

Robust optimization II - Cheatsheet
Robust optimization II - Cheatsheet Definition und Eigenschaften der robusten Optimierung Definition: Formale Methode zur Entscheidungsfindung unter Unsicherheit; zielt darauf ab, Lösungen zu finden, die gegenüber Schwankungen in den Parametern unempfindlich sind. Details: Ziel: Minimierung des schlimmstmöglichen Falles (Worst-Case-Optimierung) Unsicherheitsmenge \(\mathcal{U}\): Definiert möglich...

© StudySmarter 2024, all rights reserved.

Robust optimization II - Cheatsheet

Definition und Eigenschaften der robusten Optimierung

Definition:

Formale Methode zur Entscheidungsfindung unter Unsicherheit; zielt darauf ab, Lösungen zu finden, die gegenüber Schwankungen in den Parametern unempfindlich sind.

Details:

  • Ziel: Minimierung des schlimmstmöglichen Falles (Worst-Case-Optimierung)
  • Unsicherheitsmenge \(\mathcal{U}\): Definiert mögliche Abweichungen von nominalen Parametern
  • Robustes Optimierungsproblem: \[ \min_{x \in X} \max_{u \in \mathcal{U}} f(x, u) \]
  • Vergleich zu stochastischer Optimierung: Keine Wahrscheinlichkeitsverteilungen, nur Unsicherheitsmengen berücksichtigt
  • Anwendungen: Supply Chain Management, Finanzplanung, Ingenieurwesen

Unterschiede zu klassischen Optimierungsmethoden

Definition:

Unterschiede zwischen robusten und klassischen Optimierungsmethoden.

Details:

  • Robuste Optimierung zielt auf Lösungen, die unter Unsicherheit stabil sind.
  • Klassische Optimierung maximiert/minimiert eine Zielfunktion unter festen Bedingungen.
  • Robuste Optimierung verwendet \textit{Unsicherheitsmengen} zur Modellierung der Datenunsicherheit.
  • Klassische Methoden sind oft sensibler gegenüber Parameteränderungen.
  • Robuste Optimierung führt Lösungen ein, die für alle möglichen Szenarien innerhalb der Unsicherheitsmenge gültig sind.
  • Erfordert oft mehr Rechenleistung und komplexere Algorithmen.

Mathematische Formulierung von Optimierungsproblemen

Definition:

Mathematische Formulierung von Optimierungsproblemen bezieht sich auf die präzise Darstellung eines Optimierungsproblems in mathematischen Ausdrücken.

Details:

  • Objektivfunktion: \( \text{minimize/maximize } f(x) \)
  • Entscheidungsvariablen: Vektoren oder Matrizen, die die zu optimierenden Größen darstellen
  • Einschränkungen: Bedingungen, die die zulässigen Lösungen beschränken \( g_i(x) \leq 0, \ h_j(x) = 0 \)
  • Zustandsraum: Menge aller möglichen Lösungskandidaten
  • Lösungsverfahren: Methoden zur Bestimmung einer optimalen Lösung, z.B. Lagrange-Multiplikatoren, Simplex-Algorithmus

Einführung in Unsicherheitsmodellierung und -management

Definition:

Einführung in die Methoden und Konzepte zur Modellierung und zum Management von Unsicherheiten in mathematischen und informatischen Kontexten.

Details:

  • Unsicherheitsarten: stochastisch vs. nicht-stochastisch
  • Modelle zur Erfassung von Unsicherheiten: Wahrscheinlichkeitsverteilungen, Intervallmethoden
  • Management-Techniken: Sensitivitätsanalyse, Szenarioanalyse, robuste Optimierung
  • Ziel: Entwicklung von Systemen, die zuverlässig unter Unsicherheiten arbeiten können

Konzepte der konvexen Optimierung und Dualität

Definition:

Zentrale Themen der Optimierung: Konvexe Funktionen/Mengen, starke/Schwache Dualität

Details:

  • Eine Menge C ist konvex, wenn für alle x, y ∈ C und \( \theta \in [0,1] \) gilt: \[ \theta x + (1 - \theta) y \in C \]
  • Eine Funktion f ist konvex, wenn für alle x, y im Definitionsbereich und \( \theta \in [0,1] \) gilt: \[ f(\theta x + (1 - \theta) y) \leq \theta f(x) + (1 - \theta) f(y) \]
  • Primalproblem: \[ \min_{x \in \mathbb{R}^n} f(x) \]
  • Dualproblem: \[ \max_{\lambda \geq 0} g(\lambda) \]
  • Schwache Dualität: \[ f(x^*) \geq g(\lambda^*) \]
  • Starke Dualität gilt unter bestimmten Bedingungen (z.B. Slater-Bedingung)

Speziell angepasste Algorithmen für robuste Optimierung

Definition:

Optimierungsalgorithmen, die an Unsicherheiten in den Daten oder Modellen angepasst sind, um robuste Lösungen zu garantieren.

Details:

  • Fokussiert auf Widerstandsfähigkeit gegen Unsicherheiten in Eingabedaten
  • Methoden: Szenarien-Ansatz, Verfeinerung von Bertsimas und Sim Algorithmus
  • Beispiel: Berücksichtigung von Bandbreiten für Parameter anstelle fixer Werte
  • Nicht zu verwechseln mit einfacherer Sensitivitätsanalyse
  • Verwendet oft lineare und nichtlineare Programmierung
  • Wichtige Methoden: Schnittverfahren, Approximationstechniken
  • Ziel: Lösungensspaces minimieren und robuste Optimallösungen erreichen
  • Einsatz in Lieferketten, Finanzplanung, Ingenieurswesen

Stabilität und Sensitivitätsanalyse von Lösungen

Definition:

Untersuchung der Robustheit von Lösungen bei Änderungen der Eingabedaten oder Parameter.

Details:

  • Stabilität: Analyse der Variations- und Fehleranfälligkeit einer Lösung.
  • Sensitivitätsanalyse: Messen, wie Änderungen der Eingabedaten die Lösung beeinflussen.
  • Mathematisch oft durch partielle Ableitungen oder numerische Methoden untersucht.
  • Wichtige Konzepte: bedingte Nummer (condition number), Worst-Case-Analyse und Szenarienanalyse.
  • Stabilitätskriterien: Konvergenz und Konsistenz.
  • Ziel: Sicherstellen, dass die Lösung unter realistischen Bedingungen brauchbar bleibt.

Numerische Verfahren und Implementierungsdetails

Definition:

Berechnungsmethoden und Implementierungstechniken zur Lösung robuster Optimierungsprobleme.

Details:

  • Vermeide naive Algorithmen - bevorzuge effizientere Methoden wie Simplex oder Interior-Point.
  • Verwendete numerische Verfahren hängen von speziellen Anforderungen und Problemstruktur ab.
  • Software-Implementierungen sollten Präzision und Stabilität der numerischen Berechnungen sicherstellen.
  • Bewertung der Komplexität und des Speicherbedarfs der Algorithmen.
  • Beispiele für Software-Tools: MATLAB, Python (SciPy, NumPy), C++ (COIN-OR).
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden