组合优化问题的替代策略的泛化界
原文中文，约400字，阅读约需1分钟。发表于：。通过扰动策略来平滑风险，从而缓解优化问题并提高实证泛化性能。对于一系列在运筹学中遇到的具有复杂目标的组合优化问题，我们介绍了一种通用的约束，以控制扰动偏差、统计学学习误差和优化误差。
本文介绍了一种新颖的决策感知替代损失函数家族，称为扰动梯度（PG）损失函数。与现有的替代损失函数不同，PG损失函数的近似误差随着样本数量的增加而消失。该方法在错配设置中渐近地产生最佳策略，尤其在基础模型发生错配且噪声不是中心对称时表现优于现有提案。PG损失函数提供了一种新颖的、可计算的、决策感知学习的方法。
