专栏导读：数据驱动的优化
點擊上方藍字關注我們
優化是計算機科學和運籌學領域的一個分支，它研究在不同場景不同模型下達到最優解的方法，在計算機工程和工業工程等領域有廣泛的應用。傳統的優化基于給定的模型及其參數的輸入。這些模型和參數通常是通過從領域知識中獲得的經驗及對以往數據收集的結果進行分析獲得的，這屬于機器學習的范疇，即機器學習從收集的大量數據中總結出數據尊崇的模型和對應的參數設置?，F有的從數據到優化結果的流程基本上先用機器學習學出模型和對應的參數，然后將模型和參數輸入一個基于模型的優化算法得到優化結果。該流程有“分而治之”的好處：機器學習和優化有不同的技術，傳統上也是兩個不同的計算機科學分支，由不同的領域專家對它們進行研究。機器學習著重于從數據中提取和抽象出模型，優化的任務是從學得的模型中找到最優解。
但在大數據和人工智能時代，這樣的分工可能會帶來從數據端到優化端整體性能的損失。Balkanski等人最近就指出有些優化問題從采樣數據到模型的學習過程是可行的，從模型到優化的過程也是可行的，但從采樣數據到優化的端到端的目標卻是不可行的（BALKANSKI E, RUBINSTEIN A, SINGER Y.The limitations of optimization from samples[C]//Proceedings of the 49th Annual ACM SIGACT Symposium on Theory of Computing.New York: ACM Press, 2017: 1016-1027.）。這樣的結果看似反直觀，但它表達了機器學習和優化兩個子任務潛在的不匹配問題。在大數據和人工智能的大背景下，很多應用需要不斷地收集實時數據，優化的結果需要基于這些實時數據，模型只是其中的一個過渡部分。我們把這樣的端到端的優化稱為數據驅動的優化。數據驅動的優化在理論和應用上都帶來了新的挑戰。本專欄請到了3組學者從理論和實踐的不同角度對數據驅動的優化加以闡述。
在《基于樣本的優化》一文中，張智杰等人詳細介紹了基于樣本的優化框架，以及Balkanski等人（BALKANSKI E, RUBINSTEIN A, SINGER Y.The limitations of optimization from samples[C]//Proceedings of the 49th Annual ACM SIGACT Symposium on Theory of Computing.New York: ACM Press, 2017: 1016-1027.）在這個優化框架下給出的學習和優化不匹配導致的框架的局限性；然后介紹了突破這種局限性的幾個方案，其中包括作者提出的基于結構化采樣的優化方案，即利用數據中的結構化信息將學習和優化方案匹配，從而實現能達到良好優化結果的端到端優化算法。
孔芳等人撰寫的《基于優化反饋的組合在線學習》較全面地總結了組合在線學習的研究方向。這一方向可以被看作對線性單向的從數據到優化流程的有效改進。組合在線學習的關鍵步驟是加入了從優化結果到數據采樣的反饋步驟，從而將單向流程變成帶反饋的閉環。通過反復地從數據到學習到優化，再將優化結果返回，用于指導下一輪的數據采樣，最終達到良好的優化效果。組合在線學習是將組合優化和在線學習很好結合的結果。文章總結了這個方向的基本框架和主要理論成果，對該方向的研究和應用很有幫助。
王金予等人在《強化學習在資源優化領域的應用》中介紹了他們將強化學習應用于資源優化領域的若干實例。這些應用的共同特點是都有大量數據，因此要基于大量數據進行優化。文章系統地介紹了如何對這些資源優化問題進行建模，如何進行智能體設計等，從而幫助讀者學習如何通過數據驅動的方式進行資源優化。
數據驅動的優化是在大數據和人工智能時代做優化和決策的大趨勢。它需要將數據采樣、機器學習和優化有機地結合。本專欄的3篇文章肯定不能概括這個領域的所有方向，但希望它們作為一個引子，能激勵有興趣的研究者和實踐者進一步深入地探索這一方向，并在這一方向得到更豐碩的成果。
作者簡介
陳衛（1968?），男，博士，微軟亞洲研究院首席研究員，中國科學院計算技術研究所客座研究員，中國計算機學會理論計算機科學專業委員會常務委員、大數據專家委員會委員，IEEEFellow，入選斯坦福大學全球前2%頂尖科學家榜單。主要研究方向為在線學習和優化、社交和信息網絡、網絡博弈論和經濟學、分布式計算、容錯等，在社交網絡影響力傳播和最大化以及組合在線學習方向做出了很多頗有影響力的工作，該方面論文被引次數已逾一萬次。在信息和影響力傳播方面，2013年合著一本英文專著，2020年獨立撰寫一本中文專著。擔任《大數據》等多個學術期刊的編委，并在多個學術會議中擔任過技術委員會主席和委員。
大數據期刊
《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的期刊，已成功入選中文科技核心期刊、中國計算機學會會刊、中國計算機學會推薦中文科技期刊，并被評為2018年國家哲學社會科學文獻中心學術期刊數據庫“綜合性人文社會科學”學科最受歡迎期刊。
關注《大數據》期刊微信公眾號，獲取更多內容
總結
以上是生活随笔為你收集整理的专栏导读：数据驱动的优化的全部內容，希望文章能夠幫你解決所遇到的問題。
