1. 模型
文章考虑了一个数据驱动的风险规避随机优化(data-driven risk-averse stochastic optimization)问题:
(DD-SP) min x ∈ X c T x + max P ^ ∈ D E P ^ [ Q ( x , ξ ) ] \text{(DD-SP)} \quad \mathop{\min}\limits_{x\in X} c^Tx + \mathop{\max}\limits_{\hat{\mathbb{P}}\in\mathcal{D}} \mathbb{E}_{\hat{\mathbb{P}}} [\mathcal{Q}(x,\xi)] (DD-SP)x∈XmincTx+P^∈DmaxEP^[Q(x,ξ)] 其中 x ∈ X x\in X x∈X是第一阶段的决策变量,第二阶段的问题为
Q ( x , ξ ) = min y ∈ Y { d ( ξ ) T y : A ( ξ ) x + B y ≥ b ( ξ ) } , \mathcal{Q}(x,\xi) = \mathop{\min}\limits_{y\in Y} \left\{ d(\xi)^Ty \;:\; A(\xi)x + By \ge b(\xi) \right\}, Q(x,ξ)=y∈Ymin{
d(ξ)Ty:A(ξ)x+By≥b(ξ)}, 假设 A ( ξ ) A(\xi) A(ξ)和 B ( ξ ) B(\xi) B(ξ)都关于 ξ \xi ξ连续, 随机变量