基于JS-散度的不确定概率约束优化方法

摘要

在分布鲁棒优化的思想基础上,考虑到JS-散度是测量两个概率分布相似性的特点,利用经验数据得到经验分布p0,考虑经验分布p0与未知分布p的JS-散度的距离,构造分布p的不确定集,该不确定集缩减了分布p的不确定性.对于定义在不确集下的概率约束优化问题,利用测度转换,将参数ξ对于未知分布p的极小化问题转化为似然比l(ξ)对于经验分布p0的凸优化问题,应用对偶理论得到求解这一类不确定概率约束优化问题的方法.