Робастность — устойчивость систем¶

Робастность (от англ. robust — «крепкий, устойчивый») — свойство системы сохранять работоспособность и заданное качество функционирования при воздействии возмущений, помех, неточностей параметров или непредвиденных изменений внешней среды. Термин широко применяется в теории управления, статистике, информационных технологиях, машинном обучении, инженерии и экономике. В теории управления робастность часто трактуется как устойчивость системы к неопределённостям модели, то есть способность обеспечивать требуемые показатели при отклонениях от номинальных условий.

¶Основные подходы к определению

В теории автоматического управления под робастностью понимают свойство регулятора или алгоритма управления обеспечивать требуемое качество регулирования при наличии неточностей в математической модели объекта, изменении его параметров в процессе эксплуатации, а также под действием внешних возмущений. Робастный регулятор проектируется с учётом заранее заданного класса возможных отклонений — так называемой модели неопределённости.

В математической статистике робастность означает малую чувствительность статистической процедуры к нарушениям допущений о распределении данных, в частности к выбросам или «толстым хвостам» распределения. Робастные оценки параметров (например, медиана вместо среднего) сохраняют разумные характеристики при отклонении данных от нормального распределения.

В информационных технологиях и программной инженерии робастность программы — это её способность корректно обрабатывать некорректный ввод, исключительные ситуации, сбои оборудования и иные непредвиденные условия без аварийного завершения.

¶Классификация возмущений

Устойчивость системы принято рассматривать относительно определённого класса возмущений:

• Внешние возмущения — воздействия из внешней среды, не связанные с изменением самой системы (шумы, помехи, ветровые нагрузки).
• Внутренние возмущения — изменения параметров самой системы: износ компонентов, дрейф характеристик, неточности изготовления.
• Неопределённости модели — расхождение между математической моделью и реальным объектом.
• Некорректный вход — ошибки данных, нарушения протоколов, отклонения от формата.

¶Робастное управление

Робастное управление оформилось как отдельное направление в 1970–1980-х годах. Ключевые результаты связаны с работами Джорджа Зеймса (критерий устойчивости по запасу амплитуды и фазы), Джона Дойла (H∞-синтез, μ-анализ), а также с созданием теории LMI-представлений (Бойд, Эль Гаухауи, Ферон, Балакришнан). Основные методы робастного управления включают:

• H∞-управление — минимизация наихудшего отклика системы на возмущения в рамках заданного класса неопределённостей.
• μ-синтез — обобщение H∞-подхода для структурных неопределённостей.
• Управление с обратной связью — классический механизм, повышающий устойчивость за счёт коррекции сигнала управления по измеряемым отклонениям.
• Адаптивное управление — изменение параметров регулятора в реальном времени под фактическое состояние объекта.

¶Робастность в машинном обучении

В контексте машинного обучения робастность модели — это её устойчивость к небольшим, часто незаметным для человека изменениям входных данных. Ключевая проблема — наличие обходных решений (adversarial examples): специально подобранные возмущения, не меняющие воспринимаемого смысла изображения или текста, могут приводить к ошибочной классификации. Например, добавление к изображению кошки незначительного шума может привести к тому, что нейросеть уверенно отнесёт его к классу «автомобиль».

Основные направления повышения робастности моделей:

• Адверсариальное обучение — включение в обучающую выборку примеров с нарушениями.
• Регуляризация — ограничение чувствительности выхода модели к малым изменениям входа.
• Проверка формальными методами — математическое доказательство устойчивости модели на заданной области входных данных.

¶Робастность в статистике

Робастная статистика как самостоятельная область возникла в 1960-х годах, во многом благодаря работам Джона Тьюки. Классическая задача — построение оценок, малочувствительных к выбросам. Примеры робастных методов: оценка медианой, метод наименьших абсолютных отклонений, робастная регрессия, усечённые оценки. Робастность оценки формально характеризуется её разрешимостью — свойством оставаться ограниченной при произвольном распределении данных.

¶Робастность в экономике и финансах

В экономической теории робастность стратегии означает её оптимальность при широком классе допущений о поведении агентов. Понятие «робастных обобщений» в теории игр введено в работах Дэвида Гиллеса и Уильяма Замолуйчикова: робастное обобщение стратегии не может быть улучшено ни при одном из нескольких конкурирующих обобщений модели игры. В финансах робастность портфеля — устойчивость его доходности к ошибкам в оценке ковариационной матрицы или распределений доходов активов.

¶Связанные понятия

Робастность тесно связана с понятием устойчивости (в теории управления), надёжности (в инженерии), обобщаемости (в машинном обучении) и толерантности к отказам (в вычислительной технике). При этом понятия не тождественны: надёжность характеризует вероятность безотказной работы за заданный интервал, тогда как робастность описывает поведение системы при качественно иных, часто заранее неизвестных условиях.

Источники:

• Бойд С., Эль Гаухауи Л., Ферон В., Балакришнан В. Линейная матричные неравенства в теории управления и идентификации. — М.: Регулярная и хаотическая динамика, 2006.
• Тьюки Дж., Ваггнер Д. Робастная статистика. — М.: Мир, 1989.
• Zhou К., Doyle J. C., Glover K. Robust and Optimal Control. — Prentice Hall, 1996.
• Goodfellow I., Bengio Y., Courville A. Deep Learning. — MIT Press, 2016.
• Гиллес Д., Замолуйчиков У. Робастные обобщения в теории игр.