Robust Chance-Constrained Optimization using a Continuous Parameter Space Wasserstein-2 Ambiguity Set of Gaussian Mixtures

Resumen Técnico: Optimización de Restricciones de Probabilidad Robusta utilizando un Conjunto de Ambigüedad de Mezclas Gaussianas de Espacio de Parámetros Continuo

Planteamiento del Problema

El artículo aborda problemas de Optimización de Restricciones de Probabilidad Distribucionalmente Robusta (DRCCO, por sus siglas en inglés) donde los parámetros inciertos siguen un Modelo de Mezcla Gaussiana (GMM). En la DRCCO estándar, los tomadores de decisiones buscan minimizar el costo sujeto a una restricción de que una desigualdad lineal se cumpla con al menos una probabilidad prescrita $\theta$, bajo la peor distribución dentro de un conjunto de ambigüedad.

Los enfoques existentes suelen depender de conjuntos de ambigüedad de soporte finito (por ejemplo, basados en puntos de datos empíricos o un conjunto fijo de componentes de mezcla). Los autores argumentan que tales construcciones de soporte finito pueden fallar al proteger contra realizaciones fuera del soporte observado o al subrepresentar regiones de baja frecuencia (colas), particularmente cuando los datos subyacentes son multimodales. Además, fijar las medias y covarianzas de los componentes de la mezcla a las estimadas de los datos (como en el DR de Parámetros Finitos o FDR) restringe el conjunto de ambigüedad a un conjunto finito preseleccionado de parámetros, lo que puede omitir la distribución real si la estimación de parámetros es imperfecta.

El problema central es formular y resolver un modelo de DRCCO donde el conjunto de ambigüedad permita que los pesos de mezcla y los parámetros (medias y covarianzas) de los componentes gaussianos varíen sobre un espacio de parámetros continuo, en lugar de estar restringidos a un conjunto finito.

Metodología

1. Métrica Wasserstein-2 de Espacio de Parámetros Continuo:
   Los autores desarrollan una métrica novedosa y computable de tipo Wasserstein-2 para GMM definidos sobre un espacio de parámetros continuo.

   • Establecen una equivalencia entre la métrica Wasserstein-2 estándar en el espacio de datos (definida mediante el transporte óptimo entre medidas de probabilidad) y una métrica definida en el espacio de parámetros (definida mediante el transporte óptimo entre las leyes de mezcla de los parámetros gaussianos).
   • Específicamente, demuestran que la distancia Wasserstein-2 entre dos GMM puede computarse optimizando sobre acoplamientos de sus leyes de mezcla (medidas de probabilidad sobre el espacio de medias y covarianzas), utilizando la distancia de Burer-Gelbrich (la distancia Wasserstein-2 de forma cerrada entre dos distribuciones gaussianas) como la función de costo.
   • Esto permite que el conjunto de ambigüedad se defina como una "bola" alrededor de una GMM nominal, donde el radio $\rho$ controla la desviación permitida en la ley de mezcla, permitiendo que la peor distribución coloque masa en componentes gaussianos con medias y covarianzas que difieren continuamente de las estimaciones nominales.

2. Dualidad Fuerte y Reformulación Semi-Infinita:
   Para el problema de restricción de probabilidad resultante (CDR), los autores demuestran la dualidad fuerte para el problema interno de peor caso bajo condiciones de regularidad leves (específicamente, que las matrices de covarianza sean estrictamente definidas positivas y el soporte de los parámetros sea compacto).

   • Este resultado de dualidad permite la reformulación de la restricción de probabilidad robusta en un programa semi-infinito (S-Inf). La reformulación introduce un número finito de variables duales pero un número infinito de restricciones, una para cada posible punto de parámetro en el conjunto de soporte continuo.

3. Algoritmo de Superficie de Corte Adaptativa (CSA):
   Para resolver el programa semi-infinito, los autores proponen un algoritmo de superficie de corte adaptativa.

   • Problema Maestro: Resuelve una relajación finita del S-Inf utilizando un subconjunto de restricciones (cortes) generadas a partir de un conjunto finito de puntos de parámetros.
   • Subproblema (Separación): Identifica el punto de parámetro (media y covarianza) "peor caso" que viola más los restricciones de la solución actual. Esto implica maximizar una función no convexa que involucra la función de distribución acumulada (CDF) gaussiana y la distancia de Burer-Gelbrich.
   • Aproximación: Dado que la CDF gaussiana carece de una expresión en forma cerrada, los autores utilizan aproximaciones internas y externas lineales por tramos (PWL) para transformar el subproblema y el problema maestro en Programas Lineales/No Lineales de Enteros Mixtos (MILP/MINLP) resolubles mediante solucionadores comerciales.
   • Heurística: Se emplea un procedimiento de búsqueda local alternante por bloques para resolver el subproblema de separación no convexo de manera eficiente, identificando nuevas distribuciones gaussianas para añadir al grupo.
   • Convergencia: Los autores demuestran que el algoritmo alcanza cualquier brecha de optimalidad prescrita en un número finito de iteraciones, utilizando un número finito de segmentos lineales para aproximar la no convexidad de la CDF gaussiana.

Contribuciones Clave

• Teóricas: El artículo proporciona una base teórica rigurosa para definir y computar la métrica Wasserstein-2 para GMM sobre espacios de parámetros continuos, generalizando las definiciones previas basadas en soportes finitos. Demuestran la equivalencia entre las formulaciones de espacio de datos y espacio de parámetros.
• Algorítmicas: Desarrollan un algoritmo de superficie de corte con convergencia finita demostrada para resolver los problemas de restricción de probabilidad robustos semi-infinitos resultantes. El método determina endógenamente las ubicaciones de los componentes de la mezcla que reciben masa y sus parámetros, en lugar de fijarlos a priori.
• Computacionales: El estudio evalúa el modelo de DR de Soporte Continuo (CDR) frente al DR de Soporte Finito (FDR) y modelos nominales mediante un caso de estudio del mundo real de asignación de energía de estaciones de carga de vehículos eléctricos (EV).

Resultados

El estudio computacional utiliza un conjunto de datos de demanda de carga de EV para probar los modelos bajo varios niveles de probabilidad de satisfacción objetivo ($\theta \in \{0.95, 0.97, 0.99\}$) y radios de Wasserstein ($\rho \in \{0.001, 0.005, 0.01\}$).

• Desempeño Fuera de la Muestra (OSS):
  • El modelo FDR (soporte finito) falla consistentemente en alcanzar la probabilidad objetivo prescrita en las pruebas fuera de la muestra, independientemente del radio o el nivel objetivo. Su desempeño permanece cercano al del modelo nominal.
  • El modelo CDR exhibe una mejora consistente en la probabilidad OSS a medida que aumenta el radio de Wasserstein $\rho$. Por ejemplo, en $\theta=0.95$, el CDR satisface el objetivo incluso con el radio más pequeño ($\rho=0.001$) con valores OSS entre 95.04% y 95.87%. En $\theta=0.99$ y $\rho=0.01$, el CDR logra valores OSS de hasta 99.17% (con incertidumbre de soporte de la media $\pm 10\%$), mientras que el FDR no logra alcanzar el 96%.
• Compromiso entre Costo y Fiabilidad:
  • Lograr una mayor fiabilidad con el CDR conlleva un costo. El valor objetivo (costo) aumenta aproximadamente entre un 1.5% y un 5.4% respecto al modelo nominal y entre un 1.5% y un 5.0% respecto al FDR.
  • Se identifica el parámetro de incertidumbre de soporte de la media ($\varsigma$) como el principal motor de las ganancias de robustez, mientras que el escalamiento de la covarianza tiene un efecto más limitado.
• Cambios Estructurales:
  • A diferencia del FDR, que produce asignaciones cercanas al programa nominal, el CDR induce cambios estructurales en el perfil de asignación de energía. La robustez se logra no mediante el aumento uniforme de las asignaciones, sino mediante la redistribución selectiva de energía a horas específicas (por ejemplo, desplazando la carga a las horas 11–12, 17, y 19–21) que son críticas bajo perturbaciones distribucionales.

Significancia y Reivindicaciones

El artículo sostiene que el marco de soporte continuo propuesto es necesario cuando la satisfacción de la restricción de probabilidad fuera de la muestra es crítica, particularmente en entornos con incertidumbre multimodal donde existe preocupación por los errores de estimación de parámetros.

• Superioridad sobre el Soporte Finito: Los resultados demuestran que restringir el conjunto de ambigüedad a puntos de soporte finito (FDR) es insuficiente para alcanzar altos niveles de satisfacción de la probabilidad objetivo en presencia de datos multimodales y de incertidumbre de parámetros. El soporte continuo permite al modelo cubrirse contra errores en las medias y covarianzas estimadas de los componentes de la mezcla.
• Valor Operativo: El estudio muestra que la robustez es una "decisión de tiempo". El modelo CDR proporciona información accionable al identificar bloques de tiempo específicos donde la protección es más valiosa, lo que conduce a programas operativos estructuralmente diferentes y más fiables en comparación con los enfoques nominales o de soporte finito.
• Practicidad: A pesar de que la complejidad computacional actual es mayor (tiempos de solución que oscilan entre minutos y horas en comparación con segundos para los modelos nominales), el marco es computacionalmente abordable y produce soluciones con una fiabilidad empírica significativamente mayor, justificando la carga computacional adicional para decisiones de nivel de servicio de alto riesgo.

Los autores concluyen que, si bien la implementación actual depende de solucionadores comerciales e incurre en costos de tiempo de ejecución, el marco logra cerrar la brecha entre la robustez distributiva teórica y la gestión práctica de niveles de servicio para incertidumbres multimodales. Se sugiere como trabajo futuro centrarse en la aceleración computacional mediante el uso de arranques en caliente (warm-starting) y estrategias de descomposición personalizadas.