[pt] Demonstramos como aprender a função objetivo e as restrições
de problemas de otimização enquanto observamos sua solução ótima no
decorrer de múltiplas rodadas. Nossa abordagem é baseada em técnicas de
Online Learning e funciona para funções objetivo lineares sob conjuntos
viáveis arbitrários generalizando trabalhos anteriores. Os dois algoritmos,
um para aprender a função objetivo e o outro par aprender as restrições,
convergem a uma taxa de O (1 sobre raiz de T) que nos permitem produzir soluções tão
boas quanto as ótimas em poucas observações. Finalmente, mostramos a
eficácia e possíveis aplicações de nossos métodos em um amplo estudo
computacional. / [en] We demonstrate how to learn the objective function and constraints
of optimization problems while observing its optimal solution over multiple
rounds. Our approach is based on Online Learning techniques and works
for linear objective functions under arbitrary feasible sets by generalizing
previous work. The two algorithms, one to learn objective function and
other to learn constraints, converge at a rate of O (1 on t root) that allow us to
produce solutions as good as the optimal in a few observations. Finally, we
show the efficacy and possible applications of our methods in a significant
computational study.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:47321 |
| Date | 02 April 2020 |
| Creators | LUISA SILVEIRA ROSA |
| Contributors | MARCO SERPA MOLINARO, MARCO SERPA MOLINARO, MARCO SERPA MOLINARO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0025 seconds