О гладкой аппроксимации вероятностных критериев в задачах стохастического программирования

Аннотация

В данной работе исследуется один из возможных вариантов гладкой аппроксимации вероятностных критериев в задачах стохастического программирования. Исследование проведено в приложении к задачам оптимизации функции вероятности и функции квантили для функционала потерь, зависящего от вектора управления и одномерной абсолютно непрерывной случайной величины. В данной работе исследуется один из возможных вариантов гладкой аппроксимации вероятностных критериев в задачах стохастического программирования. Исследование проведено в приложении к задачам оптимизации функции вероятности и функции квантили для функционала потерь, зависящего от вектора управления и одномерной абсолютно непрерывной случайной величины. Основная идея аппроксимации – замена разрывной функции Хевисайда в интегральном представлении функции вероятности на гладкую функцию, обладающую такими свойствами как непрерывность, гладкость, а также имеющую легко вычислимые производные. Примером такой функции является функция распределения случайной величины, распределенной по логистическому закону с нулевым средним и конечной дисперсией – сигмоида. Величина, обратно пропорциональная корню из дисперсии, при этом является параметром, обеспечивающим близость исходной функции и ее аппроксимации. Такая замена позволяет получить гладкое приближение функции вероятности, для которого легко могут быть найдены производные по вектору управления и иным параметрам задачи. В статье доказана сходимость аппроксимации функции вероятности, полученной при замене функции Хевисайда на сигмоидальную функцию, к исходной функции вероятности, и получена оценка погрешности такой аппроксимации. Далее получены приближенные выражения для производных функции вероятности по вектору управления и параметру функции, доказана их сходимость к истинным производным при выполнении ряда условий на функционал потерь. С помощью известных соотношений между производными функции вероятности и функции квантили получены приближенные выражения для производных функции квантили по вектору управления и уровню вероятности. Рассмотрены примеры, демонстрирующие возможность применения предложенных оценок к решению задач стохастического программирования с критериями в форме функции вероятности и функции квантили, в том числе в случае многомерной случайной величины.

Abstract

In this paper we study one of the possible variants of smooth approximation of probability criteria in stochastic programming problems. The research is applied to the optimization problems of the probability function and the quantile function for the loss functional depending on the control vector and one-dimensional absolutely continuous random variable. In this paper we study one of the possible variants of smooth approximation of probability criteria in stochastic programming problems. The research is applied to the optimization problems of the probability function and the quantile function for the loss functional depending on the control vector and one-dimensional absolutely continuous random variable.  The main idea of the approximation is to replace the discontinuous Heaviside function in the integral representation of the probability function with a smooth function having such properties as continuity, smoothness, and easily computable derivatives. An example of such a function is the distribution function of a random variable distributed according to the logistic law with zero mean and finite dispersion, which is a sigmoid. The value inversely proportional to the root of the variance is a parameter that provides the proximity of the original function and its approximation. This replacement allows us to obtain a smooth approximation of the probability function, and for this approximation derivatives by the control vector and by other parameters of the problem can be easily found.  The article proves the convergence of the probability function approximation obtained by replacing the Heaviside function with the sigmoidal function to the original probability function, and the error estimate of such approximation is obtained. Next, approximate expressions for the derivatives of the probability function by the control vector and the parameter of the function are obtained, their convergence to the true derivatives is proved under a number of conditions for the loss functional. Using known relations between derivatives of probability functions and quantile functions, approximate expressions for derivatives of quantile function by control vector and by the level of probability are obtained. Examples are considered to demonstrate the possibility of applying the proposed estimates to the solution of stochastic programming problems with criteria in the form of a probability function and a quantile function, including in the case of a multidimensional random variable.