概念Convex Optimization
凸优化
一类优化问题，其目标函数为凸函数且约束集为凸集，保证局部最优解即全局最优解，求解稳定且可复现。
时间轴 (近 90 天)
10月14日
在某些参数区间内，平均化并不总是降低涨落，这与凸优化中的直觉不同。
待验证50%
10月13日
该研究提出了一种统一的估计框架，用作用于基分布上的位移场来参数化密度比，使密度比估计和位移场估计通过同一个凸优化问题同时获得。
待验证50%
10月13日
该参数化方式将整个估计问题归结为一个凸优化问题，凸性意味着不存在局部最优解的困扰，求解过程稳定且可复现。
待验证50%
10月12日
基于占用度量的算法将策略优化问题重写为在占用度量多面体上的凸优化，从而全局控制所有状态-动作对上的误差累积，这是其遗憾界少一个H因子的根本原因。
待验证50%
9月29日
当F是某凸函数的梯度时，变分不等式退化为标准凸优化
待验证50%
9月29日
变分不等式相比标准凸优化更难处理，主要原因在于其算子的单调性并不等价于某个凸函数的梯度结构
待验证50%
全部知识事实 (6)
待验证
在某些参数区间内，平均化并不总是降低涨落，这与凸优化中的直觉不同。
50%待验证该研究提出了一种统一的估计框架，用作用于基分布上的位移场来参数化密度比，使密度比估计和位移场估计通过同一个凸优化问题同时获得。
50%待验证该参数化方式将整个估计问题归结为一个凸优化问题，凸性意味着不存在局部最优解的困扰，求解过程稳定且可复现。
50%待验证基于占用度量的算法将策略优化问题重写为在占用度量多面体上的凸优化，从而全局控制所有状态-动作对上的误差累积，这是其遗憾界少一个H因子的根本原因。
50%待验证当F是某凸函数的梯度时，变分不等式退化为标准凸优化
50%待验证变分不等式相比标准凸优化更难处理，主要原因在于其算子的单调性并不等价于某个凸函数的梯度结构
50%