Bubeck et al.

研究人员探索鲁棒的分布外优化和随机函数最大化

研究人员提出了一种新颖的鲁棒分布外随机优化框架，旨在即使在历史数据与目标分布不完全匹配的情况下也能做出有效决策。该方法从相关数据分布中学习一个不确定性集，并将其纳入最小-最大随机规划中，提供了严格的泛化保证。在新闻供应商和投资组合优化任务上的实验表明，该方法在未见过分布下的性能优越。此外，还提出了一种名为StoSOO的新算法，用于带有噪声评估的全局函数最大化，该算法在对函数的半度量没有先验知识的情况下运行，并实现了近乎最优的性能。