文章预览
逆优化中的学习：中心成本、增广次优损失和算法 原标题： Learning in Inverse Optimization: Incenter Cost, Augmented Suboptimality Loss, and Algorithms 作者：Bilge Atasoy；Pedro Zattoni Scroccaro；Peyman Mohajerin Esfahani 期刊：Operations Research 出版时间：2024/09/30 摘要：在逆优化（IO）中，专家代理解决外生信号中的参数优化问题。从学习的角度来看，目标是在给定信号数据集和相应的最优动作的情况下，学习专家的成本函数。受一致成本向量IO集的几何结构的启发，我们引入了“中心”概念，这是一个与最近提出的环中心概念类似的新概念。讨论了中心成本向量的几何和稳健性解释，我们开发了相应的可处理凸重新表述，与外心形成对比，我们证明它相当于一个棘手的优化程序。我们进一步提出了一种新的损失函数，称为分段次优损失（ASL），这是对不一致数据问题的激励中心
………………………………
