超越式逆优化：学习优于智能体决策的目标函数
Outperformance Inverse Optimization: Learning Objective Functions that Outperform Agent Decisions
精选理由
提出反超式逆优化方法，从次优决策中学习能在各项指标上实现更优解的目标函数，并提供泛化保证。
AI 摘要
逆优化通过估计目标函数的权重，将观测到的决策解释为最优解，已应用于多个领域。对于混合整数线性规划（MILPs），现有方法旨在将观测结果复现为最优解，因此，当观测结果并非最优时，学到的权重往往是折中的。我们提出超越式逆优化，转而寻求这样的权重：在每个状态下，其所诱导的最优解在每个分量上都优于观测到的行动。我们给出了一种仅借助正向问题求解预言机即可计算的损失函数，因此适用于 MILPs，并提供了用于最小化该损失函数的基于梯度的算法和 DC 优化算法。对于能在所有观测处诱导出唯一且优于观测行动的最优解的权重，我们证明，在新状态下未能诱导出此类解的概率（即泛化误差），其上界与观测数量成反比；且就观测数量而言，除对数因子外，该界是紧的。在合成数据和真实数据上的实验表明，与现有方法相比，所提出的方法能够更好地预测优于观测行动的解。