汤勤深作者

XPROG: 简单实用的鲁棒优化(RO, DRO)编程语言

此文简单介绍AROMA的1.0版本:XProg。希望可以帮做鲁棒优化相关的同行们省去手动求对偶和Robust Counterpart,然后吭哧吭哧编程的麻烦。

本文将简单介绍XProg(内容主要来自Xprog的用户手册)。Julia语言里有为鲁棒优化开发的JuMPeR。个人使用体验是XProg更简洁,功能更齐全:可以直接编程最新的分布式鲁棒优化(DRO)的相关模型,而JuMPeR主要适用于传统的鲁棒优化模型,而且似乎现在处于无人维护的状态。Julia入门科普请出门左转到 @覃含章的覃含章:Julia:简单易用的数值计算/优化编程语言

https://zhuanlan.zhihu.com/p/39253127

XProg由Dr. Peng Xiong开发,旨在用最简单直观的语言进行鲁棒优化模型的求解。最新版本的AROMA由Prof. Melvyn Sim, Dr. Peng Xiong 和Dr. Zhi Chen开发。XProg只有Matlab版;AROMA将会增加Python版本。两者都可通过调用Gurobi,Cplex, MOSEK等求解器进行求解。

XProg

先上一个多产品的分布式鲁棒报童模型的求解,直观感受一下。

其中,模糊集(ambiguity set)      为,  

求解程序如下:

对于里面的extended模糊集和extended LDR的概念,请参考

Adaptive Distributionally Robust Optimization

pubsonline.informs.org

由上面的例子可以看出,XProg提供了一种照着原始模型编出来的简洁高效编程方法。它已经把求对偶求robust counterpart等步骤全部内嵌到程序里去了。这大大地减少了之前做RO或者DRO的问题的时候,往往得先手动求对偶,然后再用C, C++, Java,Matlab等求解的那份酸爽!

以下直接举例来阐明XProg的用法,具体语法请参阅XProg包里面的“用户手册”。以下所举的例子大都在安装包中的“examples”。

1、线性规划 (Linear Programming)

对于任意的线性规划:     

实现起来特别方便:

比如下面这个线性规划:   

只需要在程序开始赋值:

解出来结果如下:

2、混合整数规划(Mixed Integer Programming)

对于混合整数规划,只需在定义变量时注明是二进制变量(binary variable)还是整数变量就可:

3、随机规划

XProg 还可以对随机规划问题进行求解。不同场景下的决策可以用cell array实现,举例如下(编者实在太懒。。。问题描述请参考用户手册第15页):

求解程序如下:

求解结果如下:

4、经典鲁棒优化模型求解

举例多阶段库存优化模型(问题描述请参考用户手册22页):

实现程序如下:

5、分布式鲁棒优化模型求解

详见文首的例子。

鉴于XProg很快就要被功能强大N多的AROMA取代,本文特别精简地介绍了XProg这个简单实用的鲁棒优化(RO, DRO)编程语言。AROMA进一步对XProg进行了精简,但是功能却更加强大了。等AROMA正式上线之后,再写一篇详细的入门介绍文章。

运筹OR帷幄
运筹OR帷幄

『运筹OR帷幄』是大数据人工智能时代的运筹学,普及运筹学和优化理论,及其在人工智能和供应链中的应用。

工程XPROG
21
相关数据
规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

线性规划技术

在数学中,线性规划(Linear Programming,简称LP)特指目标函数和约束条件皆为线性的最优化问题。

请问一下,AROMA大概什么时候会推出呢?为什么没有找到相关资料呢? 谢谢!