Adaptive Conditional Forest Sampling

新的ACFS框架通过决策依赖不确定性改进风险优化

研究人员开发了一个名为自适应条件森林采样（ACFS）的新框架，用于优化谱风险目标，该目标结合了预期成本和条件在险价值（CVaR）。当不确定性分布依赖于决策时，这种情况会使传统的建模和仿真方法复杂化，而ACFS方法在这种情况下特别有用。ACFS集成了多种技术，包括广义随机森林和引导式探索，以提高尾部风险估计的准确性和可靠性。在基准数据集上的评估表明，ACFS在谱风险降低和逐次运行一致性方面优于GP-BO和CEM-SO等现有方法。