學界丨XPROG：簡單實用的魯棒優(yōu)化RO, DRO編程語言（魯棒優(yōu)化方法）
首發(fā)于微信公眾號『運籌OR帷幄』
文章作者：湯勤深
責任編輯： 張帆
此文簡單介紹AROMA的1.0版本：XProg。希望可以幫做魯棒優(yōu)化相關的同行們省去手動求對偶和Robust Counterpart，然后吭哧吭哧編程的麻煩。后臺回復關鍵詞”XProg“可以獲取XProg軟件下載鏈接，回復”XProg程序“即可獲取文中出現的全部代碼。
本文將簡單介紹XProg（內容主要來自Xprog的用戶手冊）。Julia語言里有為魯棒優(yōu)化開發(fā)的JuMPeR。個人使用體驗是XProg更簡潔，功能更齊全：可以直接編程最新的分布式魯棒優(yōu)化(DRO)的相關模型，而JuMPeR主要適用于傳統(tǒng)的魯棒優(yōu)化模型，而且似乎現在處于無人維護的狀態(tài)。
Julia入門科普請出門左轉到 @覃含章 的文章：Julia：簡單易用的數值計算/優(yōu)化編程語言
XProg由Dr. Peng Xiong開發(fā)，旨在用最簡單直觀的語言進行魯棒優(yōu)化模型的求解。最新版本的AROMA由Prof. Melvyn Sim, Dr. Peng Xiong 和Dr. Zhi Chen開發(fā)。XProg只有Matlab版；AROMA將會增加Python版本。兩者都可通過調用Gurobi，Cplex， MOSEK等求解器進行求解。
XProg
先上一個多產品的分布式魯棒報童模型的求解，直觀感受一下。
其中，模糊集（ambiguity set）
為，
求解程序如下:
對于里面的extended模糊集和extended LDR的概念，請參考
Adaptive Distributionally Robust Optimization
pubsonline.informs.org
由上面的例子可以看出，XProg提供了一種照著原始模型編出來的簡潔高效編程方法。它已經把求對偶求robust counterpart等步驟全部內嵌到程序里去了。這大大地減少了之前做RO或者DRO的問題的時候，往往得先手動求對偶，然后再用C, C , Java，Matlab等求解的那份酸爽！
以下直接舉例來闡明XProg的用法，具體語法請參閱XProg包里面的“用戶手冊”。以下所舉的例子大都在安裝包中的“examples”。
1、線性規(guī)劃 （Linear Programming）
對于任意的線性規(guī)劃：
實現起來特別方便：
比如下面這個線性規(guī)劃：
只需要在程序開始賦值：
解出來結果如下：
2、混合整數規(guī)劃（Mixed Integer Programming）
對于混合整數規(guī)劃，只需在定義變量時注明是二進制變量（binary variable）還是整數變量就可：
3、隨機規(guī)劃
XProg 還可以對隨機規(guī)劃問題進行求解。不同場景下的決策可以用cell array實現，舉例如下（編者實在太懶。。。問題描述請參考用戶手冊第15頁）：
求解程序如下：
求解結果如下：
4、經典魯棒優(yōu)化模型求解
舉例多階段庫存優(yōu)化模型（問題描述請參考用戶手冊22頁）：
實現程序如下：
5、分布式魯棒優(yōu)化模型求解
詳見文首的例子。
鑒于XProg很快就要被功能強大N多的AROMA取代，本文特別精簡地介紹了XProg這個簡單實用的魯棒優(yōu)化(RO, DRO)編程語言。AROMA進一步對XProg進行了精簡，但是功能卻更加強大了。等AROMA正式上線之后，再寫一篇詳細的入門介紹文章。
參考文獻：
D. Bertsimas and M. Sim. 2004. Price of Robustness. Operations Research, 52(1), 35-53.
W. Wiesemann, D. Kuhn, M. Sim. 2014. Distributionally Robust Convex Optimization. Operations Research, 62(6), 1358-1376.
D. Bertsimas, M. Sim and M. Zhang 2017. A Practically Efficient Approach for Solving Adaptive Distributionally Robust Linear Optimization Problems. Forthcoming in Management Science.
在微信公眾號后臺回復“XProg” 可以獲得本文所有代碼和XProg軟件包的下載鏈接。
原文鏈接：https://mp.weixin.qq.com/s/q0x9pXz7p7OciWqBOIV5JQ
版權說明：本文由『運籌OR帷幄』編譯整理，不作為商業(yè)用途，如有內容侵權，我們將隨時刪除。
歡迎查看原文，獲取更多訊息！
版權聲明：本文內容由互聯網用戶自發(fā)貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。如發(fā)現本站有涉嫌抄襲侵權/違法違規(guī)的內容， 請發(fā)送郵件至 舉報，一經查實，本站將立刻刪除。