鲁棒优化（robust optimization）是最优化理论中的一类用来寻求在不确定环境中使优化问题具有一定程度的鲁棒性的方法。鲁棒优化的目的是求得这样一个解，对于可能出现的所有情况，约束条件均满足，并且使得最坏情况下的目标函数的函数值最优。 其核心思想是将原始问题以一定的近似程度转化为一个具有多项式计算复杂度的凸优化问题。鲁棒优化的关键是建立相应的鲁棒对等模型。然后利用相关的优化理...

本文于2020年上传于Arxiv上。在传统rollout算法的基础上，作者将其应用延伸到受约束的确定性动态规划，包括组合优化问题。在合适的假设下，作者证明了如果基础的启发式算法能够提供可行解，则rollout算法有一个很好的质量改善性质：它能够产生一个可行解，质量不差于基础启发式算法的解的质量。

除此外，作者还关注了multiagent问题，在该问题中每个阶段由多个组分...

鲁棒优化（robust optimization）是最优化理论中的一类用来寻求在不确定环境中使优化问题具有一定程度的鲁棒性的方法。鲁棒优化的目的是求得这样一个解，对于可能出现的所有情况，约束条件均满足，并且使得最坏情况下的目标函数的函数值最优。 其核心思想是将原始问题以一定的近似程度转化为一个具有多项式计算复杂度的凸优化问题。鲁棒优化的关键是建立相应的鲁棒对等模型。然后利用相关的优化理...

本论文于2020年发表于交通领域知名期刊 IEEE TRANSACTIONS ON SYSTEMS 上。本文解决一种具有时间依赖需求的节能地铁列车调度问题，提出了一种列车交通模型，建立了基于列车车头时距、列车载客量和地铁沿线能耗演化的动态方程。为了克服优化问题中的维度灾难问题，本文构建了一个近似动态规划（ADP）框架，引入了状态、策略、状态转换和奖励函数的概念。通过数...