Un Método de Conjunto Incremental Infactible para Problemas de Optimización No Suave Basado en la Cartera CVaR
Autores: Li, Jia-Tong; Shen, Jie; Xu, Na
Idioma: Inglés
Editor: Hindawi
Año: 2021
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
Para el problema de optimización no suave de cartera CVaR (valor en riesgo condicional), proponemos un método de paquete incremental infactible basado en la función de mejora y la idea principal del método incremental para resolver problemas convexas finitos min-max. El algoritmo presentado solo utiliza la información de la función objetivo y una función de componente de las funciones de restricción para formar el modelo aproximado de la función de mejora. Al introducir la técnica de agregación, mantenemos la información de los puntos de iteración anteriores que pueden ser eliminados del paquete para superar la dificultad de cálculo numérico y almacenamiento. Nuestro algoritmo no impone la viabilidad de los puntos de iteración y la monotonía de la función objetivo, y la convergencia global del algoritmo se establece bajo condiciones suaves. En comparación con los resultados disponibles, nuestro método flexibiliza los requisitos para calcular toda la función de restricción, lo que hace que el algoritmo sea más fácil de implementar.
Descripción
Para el problema de optimización no suave de cartera CVaR (valor en riesgo condicional), proponemos un método de paquete incremental infactible basado en la función de mejora y la idea principal del método incremental para resolver problemas convexas finitos min-max. El algoritmo presentado solo utiliza la información de la función objetivo y una función de componente de las funciones de restricción para formar el modelo aproximado de la función de mejora. Al introducir la técnica de agregación, mantenemos la información de los puntos de iteración anteriores que pueden ser eliminados del paquete para superar la dificultad de cálculo numérico y almacenamiento. Nuestro algoritmo no impone la viabilidad de los puntos de iteración y la monotonía de la función objetivo, y la convergencia global del algoritmo se establece bajo condiciones suaves. En comparación con los resultados disponibles, nuestro método flexibiliza los requisitos para calcular toda la función de restricción, lo que hace que el algoritmo sea más fácil de implementar.