Editorial Fisika & Matematika
Open AccessOA2023
Survei optimasi bilevel di bawah ketidakpastian
Survei ini menyajikan tinjauan menyeluruh atas optimasi bilevel di bawah ketidakpastian, mencakup teknik stokastik dan robust, keteramatan terbatas, keputusan mendekati optimal, dan konsep solusi perantara, dengan aplikasi di bidang energi, keamanan, manajemen, dan jaringan.
Yasmine Beck; I. Ljubiฤ; Martin Schmidtยท European Journal of Operational Researchยท 2023ยท DOI 10.1016/j.ejor.2023.01.008
Masalah inti
Optimasi bilevel adalah bidang matematika terapan yang sangat aktif, terutama karena masalah bilevel dapat memodelkan proses pengambilan keputusan hierarkis. Namun, daya pemodelan ini datang dengan biaya berupa tantangan komputasional dan teoretis. Kemajuan algoritmik yang signifikan selama dua dekade terakhir telah memungkinkan penyelesaian masalah bilevel yang jauh lebih besar dan lebih kompleks daripada sebelumnya. Survei ini berfokus pada kelas yang sangat menantang: optimasi bilevel di bawah ketidakpastian. Survei ini meninjau pendekatan klasik yang menggunakan teknik stokastik atau robust dan menyoroti bahwa ketidakpastian dalam konteks bilevel lebih kaya daripada dalam masalah satu tingkat, karena ketidakpastian dapat memengaruhi tidak hanya data masalah tetapi juga pengamatan atas keputusan kedua pemain. Survei ini juga mencakup keteramatan terbatas, keputusan mendekati optimal, konsep solusi perantara antara kasus optimistis dan pesimistis, serta aplikasi di bidang energi, permainan interdiksi, keamanan, ilmu manajemen, dan jaringan.
Inovasi
Survei ini secara sistematis meninjau metode untuk menangani ketidakpastian dalam optimasi bilevel. Pendekatan dikategorikan menjadi teknik stokastik dan robust. Metode stokastik mengasumsikan ketidakpastian probabilistik, sedangkan metode robust mempertimbangkan skenario terburuk. Para penulis menekankan bahwa ketidakpastian dalam masalah bilevel muncul dari berbagai sumber: ketidakpastian data (seperti pada masalah satu tingkat) dan ketidakpastian dalam pengamatan keputusan (keteramatan terbatas). Survei ini juga membahas konsep solusi yang berada di antara kasus optimistis dan pesimistis, serta masalah ketika pengikut dapat mengambil keputusan mendekati optimal. Tinjauan disusun berdasarkan tema-tema tersebut, memberikan gambaran menyeluruh tentang state of the art.
Pendahuluan
Optimasi bilevel adalah bidang matematika terapan yang sangat aktif, terutama karena masalah bilevel dapat memodelkan proses pengambilan keputusan hierarkis. Namun, daya pemodelan ini datang dengan biaya berupa tantangan komputasional dan teoretis. Kemajuan algoritmik yang signifikan selama dua dekade terakhir telah memungkinkan penyelesaian masalah bilevel yang jauh lebih besar dan lebih kompleks daripada sebelumnya. Survei ini berfokus pada kelas yang sangat menantang: optimasi bilevel di bawah ketidakpastian. Survei ini meninjau pendekatan klasik yang menggunakan teknik stokastik atau robust dan menyoroti bahwa ketidakpastian dalam konteks bilevel lebih kaya daripada dalam masalah satu tingkat, karena ketidakpastian dapat memengaruhi tidak hanya data masalah tetapi juga pengamatan atas keputusan kedua pemain. Survei ini juga mencakup keteramatan terbatas, keputusan mendekati optimal, konsep solusi perantara antara kasus optimistis dan pesimistis, serta aplikasi di bidang energi, permainan interdiksi, keamanan, ilmu manajemen, dan jaringan.
Mengapa penting
Para penulis membahas implikasi ketidakpastian dalam optimasi bilevel dan mengidentifikasi arah penelitian terbuka. Mereka mencatat bahwa kekayaan sumber ketidakpastian membuat masalah bilevel di bawah ketidakpastian sangat menantang, baik secara teoretis maupun komputasional. Survei ini menyerukan penelitian lebih lanjut mengenai metode solusi yang dapat menangani keteramatan terbatas dan keputusan mendekati optimal, serta pengembangan konsep solusi perantara. Beragamnya aplikasi menunjukkan relevansi praktis dari masalah-masalah ini. Survei ini menyimpulkan bahwa optimasi bilevel di bawah ketidakpastian adalah bidang yang dinamis dan terus berkembang dengan banyak peluang untuk kontribusi di masa depan.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten memberโฆ