分布にロバストな最適化は多目的問題である

分布にロバストな最適化（DRO）は、モデルの不確実性がある場合の意思決定に対する最悪ケースアプローチです。単一目的問題として定義されていますが、DROの解は期待コストと最悪ケース感度（WCS）というロバスト性の指標の間に近似パレート最適境界をマッピングするため、本質的に多目的であることを示します。これを出発点とし、私たちは多目的の視点を通じてロバストな意思決定を探ります。WCSは分散の指標であることを示し、DROで一般的に使用される不確実性セットのコレクションに対するWCSを導出します。これらの感度指標は、名目上の期待コストに対して最も脆弱なエラーと、それを最も効果的に軽減する最悪ケース問題のための不確実性セットを特定します。関連する平均感度境界は、そのサイズを選択するために使用されます。多目的の視点はロバスト性の定量的な指標を提供し、与えられたコスト分布に対して不確実性セットのファミリーとサイズを選択する方法、そしてそれが解にどのように影響するかというDROにおける重要な概念的ギャップに対処するための感度ベースのアプローチを示します。