随机与含噪预言机的优化模型及收敛复杂度研究

Albert S. Berahas、Liyuan Cao 和 Katya Scheinberg 提交论文《Stochastic and Noisy Oracles in Smooth Continuous Optimization》，系统梳理平滑连续优化中不精确计算预言机的确定性与随机模型，分析不同误差条件对优化算法收敛性、计算复杂度和可达到精度的影响。 论文覆盖零阶、一阶和二阶预言机，比较偏差、方差以及绝对误差和相对误差等误差界，并通过下降不等式推导不同条件下随机与确定性一阶方法的复杂度界及期望停止时间，为分析含噪计算条件下的优化算法提供理论框架。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。