contextual optimization

New policy class enforces hard constraints in contextual optimization

研究人员引入了 Legendre-regularized policies，这是一种新的上下文优化方法，可在保持梯度训练平滑性的同时强制执行硬可行性约束。该方法将决策参数化为正则化优化问题的解，确保策略在构建时是可行的且可微的。该框架统一了现有的优化技术，并在资源分配和上下文新供应商问题中展示了改进的性能。