Emulating the Expert: Inverse Optimization through Online Learning

Beitrag bei einer Tagung


Details zur Publikation

Autorinnen und Autoren: Bärmann A, Pokutta S, Schneider O
Herausgeber: Precup D, Teh YW
Verlag: PMLR
Verlagsort: International Convention Centre, Sydney, Australia
Jahr der Veröffentlichung: 2017
Titel der Reihe: Proceedings of Machine Learning Research
Band: 70
Tagungsband: Proceedings of the 34th International Conference on Machine Learning (ICML)
Seitenbereich: 400--410
Sprache: Englisch


Abstract

In this paper, we demonstrate how to learn the objective function of a decision maker while only observing the problem input data and the decision maker’s corresponding decisions over multiple rounds. Our approach is based on online learning techniques and works for linear objectives over arbitrary sets for which we have a linear optimization oracle and as such generalizes previous work based on KKT-system decomposition and dualization approaches. The applicability of our framework for learning linear constraints is also discussed briefly. Our algorithm converges at a rate of O(1/sqrt(T)), and we demonstrate its effectiveness and applications in preliminary computational results.


FAU-Autorinnen und Autoren / FAU-Herausgeberinnen und Herausgeber

Bärmann, Andreas Dr.
Lehrstuhl für Angewandte Mathematik (Gemischt-ganzzahlige lineare und nichtlineare Optimierung)
Schneider, Oskar
Lehrstuhl für Angewandte Mathematik (Gemischt-ganzzahlige lineare und nichtlineare Optimierung)


Einrichtungen weiterer Autorinnen und Autoren

Georgia Institute of Technology


Zitierweisen

APA:
Bärmann, A., Pokutta, S., & Schneider, O. (2017). Emulating the Expert: Inverse Optimization through Online Learning. In Precup D, Teh YW (Eds.), Proceedings of the 34th International Conference on Machine Learning (ICML) (pp. 400--410). International Convention Centre, Sydney, Australia: PMLR.

MLA:
Bärmann, Andreas, Sebastian Pokutta, and Oskar Schneider. "Emulating the Expert: Inverse Optimization through Online Learning." Proceedings of the Proceedings of the 34th International Conference on Machine Learning (ICML) Ed. Precup D, Teh YW, International Convention Centre, Sydney, Australia: PMLR, 2017. 400--410.

BibTeX: 

Zuletzt aktualisiert 2018-17-08 um 12:08