该研究探讨了利用随机重排来压缩有限和函数的算法，Random Reshuffling。该算法在凸优化和非凸优化中很有实用性，并且比随机梯度下降更快。研究者通过理论和实验表明，新的方差类型为RR的卓越性能提供了额外的理论依据。同时，他们还展示了Shuffle-Once算法的快速收敛性，并提出了适用于非强凸和非凸目标的多种算法。他们的理论优于现有文献，并揭示了不同类型的随机变量可能在某些情况下产生更大的影响。