近似 IPA：以无偏性换取简洁性

当扰动分析 (PA) 能为离散事件动态系统中的期望值性能函数提供无偏灵敏度估计量时，它可用于这些函数的性能优化。然而，当已知 PA 是无偏的时，其估计量的复杂度往往不随系统规模缩放。本文旨在提出一种替代的优化方法，通过用简单但有偏的近似估计量替代复杂但无偏的 PA 估计量，从而在精度与计算 effort 之间取得平衡。此外，我们提供了开发此类估计量的指南，这些指南主要基于随机流建模框架。我们认为，如果相对误差（或偏差）不太大，那么诸如随机逼近之类的优化算法将收敛到（局部）最小值，就像未使用近似的情况一样。我们将此方法应用于有限缓冲队列中平衡损失与缓冲成本的示例，并证明了相对误差的一个关键上界。本文展示了所提方法的初步研究，我们相信如果该想法得到关注，可能会显著扩展 PA 在离散事件系统优化中的应用范围。