王鹏;姜如军;孔庆元;劳拉·巴尔扎诺 机会约束规划样本平均逼近的近似DC算法：收敛性和数值结果。 arXiv公司：2301.00423 预印本，arXiv:2301.00423[math.OC]（2023）。 摘要：机会约束规划是指具有不确定约束的优化问题，该问题必须至少满足规定的概率水平。在这项工作中，我们研究了数据驱动环境中的一类结构化机会约束程序，其中目标函数是一个差分凸函数，机会约束中的函数都是凸的。通过利用该结构，我们将其重新构造为一个DC约束DC程序。然后，我们提出了一种近似DC算法来求解重新公式。此外，我们基于Kurdyka-Łojasiewicz性质证明了该算法的收敛性，并导出了寻找近似KKT点的迭代复杂度。我们指出，所提出的pDCA及其相关分析适用于可能具有独立利益的一般DC约束DC程序。为了支持和补充我们的理论发展，我们通过数值实验表明，我们提出的方法与许多现有方法具有竞争力。 BibTeX公司 引用 \textit{P.Wang}等人，“机会约束规划样本平均逼近的近似DC算法：收敛性和数值结果”，预打印，arXiv:2301.00423[math.OC]（2023） 全文： arXiv公司 OA许可证 arXiv数据来自arXiv OAI-PMH API.如果你发现了错误，请直接向arXiv报告.