使用负相关批次验证样本平均逼近解
摘要：样本平均逼近（SAA）是一种实用的方法，用于找到涉及极大（或无限）数量的场景的随机规划问题的近似解。SAA还可用于找到对真实问题的最优目标值的下界的估计，当与上界结合使用时，可为真实最优目标值提供置信区间，并提供有关近似解质量的有价值信息。具体而言，可以通过解多个SAA问题（每个问题都使用特定的采样方法获得）并对所得的目标值进行平均来估计下界。现代下界估计方法能够独立生成SAA问题的场景批次。在本文中，我们描述了一种产生具有负相关性批次的采样方法，从而减小了样本平均的下界估计的方差，并提高了其在定义最优目标值的置信区间中的有用性。我们给出了新采样方法可以减小下界估计方差的条件，并提供计算结果以验证我们的方案可以显著减小方差，与传统的拉丁超立方体方法相比。
作者：Jiajie Chen and Cong Han Lim and Peter Z. G. Qian and Jeff Linderoth and Stephen J. Wright
论文ID：1404.7208
分类：Other Statistics
分类简称：stat.OT
提交时间：2014-05-08