深度学习凸向量优化问题的弱有效前沿
最优化与控制
2024-05-31 v4 数理金融
风险管理
摘要
在本文中，我们设计了一种神经网络架构来近似满足 Slater 条件的凸向量优化问题（CVOP）的弱有效前沿。所提出的机器学习方法提供了弱有效前沿的内近似和外近似，以及每个近似有效点处误差的上界。在数值案例研究中，我们证明了所提算法能够有效近似 CVOP 的真实弱有效前沿。即使对于大规模问题（即多目标、多变量和多约束）也是如此，从而克服了维数灾难。
引用
@article{arxiv.2205.07077,
title = {Deep Learning the Efficient Frontier of Convex Vector Optimization Problems},
author = {Zachary Feinstein and Birgit Rudloff},
journal= {arXiv preprint arXiv:2205.07077},
year = {2024}
}