近似求解两阶段随机供应商问题
摘要：基于半径的（供应商）聚类在具有回溯的两阶段随机设置中是本文的主要关注点，其中模型的固有随机性以预算约束的形式呈现。我们还研究了几种情况，其中在第一阶段决策上施加了额外的约束，具体包括拟阵和多背包约束。我们最终的目标是在最一般的分布设置中处理供应商问题，其中只能使用基于黑盒的底层分布。为此，我们采用了两步方法。首先，我们为每个问题的受限版本开发算法，其中所有情景都是明确提供的；其次，我们采用一种新颖的舍弃情景变体的标准样本平均逼近（SAA）方法，该方法关键性地利用了限定情况算法的属性。我们指出，为了优化半径，必须对SAA方法进行情景舍弃修正。
作者：Brian Brubach, Nathaniel Grammel, David G. Harris, Aravind Srinivasan, Leonidas Tsepenekas, Anil Vullikanti
论文ID：2008.03325
分类：Data Structures and Algorithms
分类简称：cs.DS
提交时间：2023-07-18