概率测度的矩形集

@第{Shapiro2016RectangularSO条,title={概率测度的矩形集},author={亚历山大·夏皮罗},日志={操作结果},年份={2016年},体积={64},页码={528-541},url={https://api.semanticscholar.org/CorpusID:16987195}}
本文将矩形性定义为分布稳健随机优化问题的动态分解性质,并说明它与现代相干风险度量理论的关系。

分布稳健多阶段优化的数学基础

证明了初始测度及其嵌套分解可以用于分布稳健的多级设置,以及它与条件对应项的真正特征。

Wasserstein不确定性下马尔可夫决策过程的鲁棒Q学习算法

我们提出了一种新的$Q$学习算法,用于解决分布式鲁棒马尔可夫决策问题,其中底层的转移概率对应的模糊集

分布鲁棒随机最优控制

本文的主要目的是讨论随机最优控制问题的分布鲁棒对应项的构造。考虑了随机和非随机策略。

风险度量的定量比较

在规范和风险度量之间建立了一对一的关系,即规范与风险度量相关联,反之,使用规范来恢复真正的风险度量。

风险度量的定量比较

在许多管理或现实世界的经济问题公式中,风险度量的选择反映了决策者的主观偏好。要评估个人偏好的影响

风险规避随机优化问题的鞅特征

本文讨论随机优化问题的风险意识。嵌套风险度量在这种情况下自然出现,因为它们允许对算法处理进行有益的重新计算。这个

风险规避随机优化问题的鞅特征

研究表明,通过嵌套风险度量结合风险意识的随机优化问题,相对于控制这些优化问题的自然距离,即嵌套距离,是连续的。

鲁棒动态规划

证明了当这组测度具有一定的“矩形”性质时,有限和无限水平DP的所有主要结果都扩展到自然鲁棒对应项。

马尔可夫决策过程的风险规避动态规划

引入了马尔可夫风险测度的概念,并将其用于描述两种马尔可夫决策模型的风险规避控制问题:有限时域模型和折扣无限时域模型。

凸风险函数的优化

在可测函数的向量空间中,利用凸分析技术和最优化理论,发展了风险模型的新表示定理,以及凸风险函数问题的最优性和对偶性理论。

条件风险映射

引入了条件凸风险映射的一个公理化定义,导出了它的性质,证明了条件风险映射的条件期望表示定理。

具有不确定转移矩阵的马尔可夫决策过程的鲁棒控制

本文考虑有限状态有限作用Markov决策过程的鲁棒控制问题,其中转移矩阵上的不确定性是用可能非凸集来描述的,并表明该问题具有完美对偶性,并且可以用经典动态规划算法的一种变体来解决,鲁棒动态规划算法。

风险建模、度量和管理

这本书是市场上第一本以彻底、全面的方式处理单周期和多周期风险度量(风险功能)的书。它结合了风险属性的处理

动态风险度量的紧逼近

本文比较了文献中最近引入的两种不同的框架,用于在多周期环境中测量风险,并解决了给定的一致性度量可以用下限或上限组成度量来近似的程度问题。