摘要
我们提出一种数据驱动计算范式，称为最大熵数据驱动计算（max-ent Data Driven Computing），该范式在保持距离最小化数据驱动计算优点的基础上，具备对异常值的鲁棒性。这种鲁棒性通过聚类分析实现：具体而言，根据数据点到解的距离以及最大熵估计，动态赋予每个数据点相应的权重（相关性）。由此构建的计算方案本质上是在相空间中对一个经适当定义的自由能进行最小化，同时满足相容性与平衡性约束。当温度趋于零时，该方法退化为传统的距离最小化数据驱动计算方法。我们通过若干数值实验验证了最大熵数据驱动求解器及其解的收敛性。