具有决策依赖数据的在线鞍点跟踪

本工作中，我们考虑一个时变随机鞍点问题，其中目标函数被顺序揭示，且数据分布依赖于决策变量。此类问题通过分布映射表达分布依赖性，已知具有两类不同解——鞍点与平衡点。我们证明在适当条件下，在线原始对偶型算法能够跟踪平衡点。相反，由于计算目标的闭式梯度需知分布映射，我们给出一种用于跟踪平衡轨迹的在线随机原始对偶算法。我们提供了期望与高概率下的界，后者利用次Weibull模型刻画梯度误差。我们以一个电动汽车充电问题说明结果，其中对价格的响应遵循基于分布映射的位置-尺度族。