Buchumschlag

Machine Learning for K-adaptability in Two-stage Robust Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Julien, Esther, Postek, Krzysztof, Birbil, Ş. İlker
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning An Interpretable Risk Scoring System for Maximizing Decision Net Benefit
von: Chi, Wenhao, et al.
Veröffentlicht: (2026)

Robust Losses for Decision-Focused Learning
von: Schutte, Noah, et al.
Veröffentlicht: (2023)

Coherent Local Explanations for Mathematical Optimization
von: Otto, Daan, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Linear Optimization
von: Kurtz, Jannis, et al.
Veröffentlicht: (2024)

Sufficient Decision Proxies for Decision-Focused Learning
von: Schutte, Noah, et al.
Veröffentlicht: (2025)

Linear Model Extraction via Factual and Counterfactual Queries
von: Otto, Daan, et al.
Veröffentlicht: (2026)

Deep Learning for Two-Stage Robust Integer Optimization
von: Dumouchelle, Justin, et al.
Veröffentlicht: (2023)

From Large Language Models and Optimization to Decision Optimization CoPilot: A Research Manifesto
von: Wasserkrug, Segev, et al.
Veröffentlicht: (2024)

A Machine Learning Approach to Two-Stage Adaptive Robust Optimization
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Machine Learning-Augmented Optimization of Large Bilevel and Two-stage Stochastic Programs: Application to Cycling Network Design
von: Chan, Timothy C. Y., et al.
Veröffentlicht: (2022)

First-order algorithms for robust optimization problems via convex-concave saddle-point Lagrangian reformulation
von: Postek, Krzysztof, et al.
Veröffentlicht: (2021)

Prescriptive PCA: Dimensionality Reduction for Two-stage Stochastic Optimization
von: He, Long, et al.
Veröffentlicht: (2023)

Wasserstein Distributionally Robust Optimization: Theory and Applications in Machine Learning
von: Kuhn, Daniel, et al.
Veröffentlicht: (2019)

Distributionally-Robust Learning to Optimize
von: Ranjan, Vinit, et al.
Veröffentlicht: (2026)

Counterfactual Explanations for Integer Optimization Problems
von: Engelhardt, Felix, et al.
Veröffentlicht: (2025)

Transit Network Design with Two-Level Demand Uncertainties: A Machine Learning and Contextual Stochastic Optimization Framework
von: Guan, Hongzhao, et al.
Veröffentlicht: (2026)

Combinatorial Optimization Augmented Machine Learning
von: Schiffer, Maximilian, et al.
Veröffentlicht: (2026)

Differentially Private Linear Optimization for Multi-Party Resource Sharing
von: Karaca, Utku, et al.
Veröffentlicht: (2021)

Global Optimization: A Machine Learning Approach
von: Bertsimas, Dimitris, et al.
Veröffentlicht: (2023)

Towards Robust Learning to Optimize with Theoretical Guarantees
von: Song, Qingyu, et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Shallow Convex Neural Networks
von: Pallage, Julien, et al.
Veröffentlicht: (2024)

Online Dynamic Submodular Optimization
von: Lesage-Landry, Antoine, et al.
Veröffentlicht: (2023)

Neur2BiLO: Neural Bilevel Optimization
von: Dumouchelle, Justin, et al.
Veröffentlicht: (2024)

Responsible Machine Learning via Mixed-Integer Optimization
von: Justin, Nathan, et al.
Veröffentlicht: (2025)

Multi-fidelity Machine Learning for Uncertainty Quantification and Optimization
von: Zhang, Ruda, et al.
Veröffentlicht: (2024)

Optimal Data Splitting in Distributed Optimization for Machine Learning
von: Medyakov, Daniil, et al.
Veröffentlicht: (2024)

Optimization meets Machine Learning: An Exact Algorithm for Semi-Supervised Support Vector Machines
von: Piccialli, Veronica, et al.
Veröffentlicht: (2023)

Learning Rate Annealing Improves Tuning Robustness in Stochastic Optimization
von: Attia, Amit, et al.
Veröffentlicht: (2025)

Self-Supervised Penalty-Based Learning for Robust Constrained Optimization
von: Benslimane, Wyame, et al.
Veröffentlicht: (2025)

Distributionally Robust Optimization
von: Kuhn, Daniel, et al.
Veröffentlicht: (2024)

A Control Theoretic Framework for Adaptive Gradient Optimizers in Machine Learning
von: Chakrabarti, Kushal, et al.
Veröffentlicht: (2022)

Multi-Objective Optimization-Based Anonymization of Structured Data for Machine Learning Application
von: Wei, Yusi, et al.
Veröffentlicht: (2025)

Enhancing Multi-Objective Optimization through Machine Learning-Supported Multiphysics Simulation
von: Botache, Diego, et al.
Veröffentlicht: (2023)

LyAm: Robust Non-Convex Optimization for Stable Learning in Noisy Environments
von: Mirzabeigi, Elmira, et al.
Veröffentlicht: (2025)

$k$-Submodular Interdiction Problems under Distributional Risk-Receptiveness and Robustness: Application to Machine Learning
von: Park, Seonghun, et al.
Veröffentlicht: (2024)

Nonlinear Distributionally Robust Optimization
von: Sheriff, Mohammed Rayyan, et al.
Veröffentlicht: (2023)

Sinkhorn Distributionally Robust Optimization
von: Wang, Jie, et al.
Veröffentlicht: (2021)

Overfitting in Adaptive Robust Optimization
von: Zhu, Karl, et al.
Veröffentlicht: (2025)

A Two-Time-Scale Stochastic Optimization Framework with Applications in Control and Reinforcement Learning
von: Zeng, Sihan, et al.
Veröffentlicht: (2021)

Machine Learning Algorithms for Improving Exact Classical Solvers in Mixed Integer Continuous Optimization
von: Kimiaei, Morteza, et al.
Veröffentlicht: (2025)