【教程】场景优化理论讲座资料，60页pdf跟踪最新领域进展

【导读】场景优化理论（Scenario Optimization Approach）是一种基于约束样本解决鲁棒优化和机会约束优化问题的启发式解决方案。该理论经过多年的发展，已经形成了较为系统的理论基础。

介绍

本文从风险与复杂度（Risk and Complexity）的新角度，介绍了场景优化理论ScenarioOptimization Theory的最新进展。场景（scenario）是指源于环境的观测样本，场景优化（scenario approach）指使用一组可用的观测样本进行优化的理论，通过数据驱动优化（data-driven optimization）的思路，解决含不确定性的随机优化和随机决策问题。场景优化理论具有坚实的数学基础，尝试回答了一些基本问题，例如，如何将经验纳入决策过程，以取得优化的结果？若遇到训练样本中从未见过的新样本，决策的执行效果如何？使用该理论和方法时，优化结果的鲁棒性如何？该理论自2005年由M.C. Campi教授（IEEEFellow, 因该贡献获得2008年IEEE CSSGeorge S. Axelby outstanding paper award）等人提出以来，不断取得新进展，已经广泛应用于机器学习、控制系统设计、系统识别等问题，以及医学分类、量化金融、航空运输系统、能源系统等应用领域。本讲座是M.C. Campi教授关于场景优化理论最新进展的介绍，更多相关研究可以访问https://marco-campi.unibs.it/?origin=publication_detail。

参考地址：

http://files.elearning.sztaki.hu/mta_sztaki/Rudolf_E_Kalman_Distinguished_Lecturer/02_Marco_C_Campi/start.html