[en] INVERSE OPTIMIZATION VIA ONLINE LEARNING

• Ano de defesa: 2020
• Autor(a) principal: LUISA SILVEIRA ROSA
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] ONLINE LEARNING; [pt] FOLLOW THE REGULARIZED LEADER; [pt] OTIMIZACAO INVERSA; [pt] APRENDER AS RESTRICOES; [pt] APRENDER A FUNCAO OBJETIVO; [en] ONLINE LEARNING; [en] FOLLOW THE REGULARIZED LEADER; [en] INVERSE OPTIMIZATION; [en] LEARNING CONSTRAINTS; [en] LEARNING OBJECTIVE FUNCTIONS
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47321&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47321&idi=2; http://doi.org/10.17771/PUCRio.acad.47321

[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.