1樓：黃土西風
Rahimian, H. and S. Mehrotra.
「Distributionally Robust Optimization: A Review.」 ArXiv abs/1908.
05659 (2019).
Distributionally Robust Optimization: A Review
2樓：
優化問題有四大類：傳統確定優化問題，隨機規劃問題，魯棒優化，分布魯棒優化
相對於傳統確定規劃而言，也就是引數都是確定的，比如加工時間確定，運送時間確定，實際生活中，這些值往往是有波動的，就有了不確定優化。
不確定優化一般分為隨機規劃和魯棒優化：前者假定引數服從乙個分布，一般來說會以期望值為優化目標；後者假定分布未知但是現實中的資料中可以獲得一些資訊，比如引數出現的所有情況，這就是離散的魯棒優化，或者是每個引數的取值區間，這就是區間魯棒優化，而魯棒優化的目標，可以根據需要的保守程度來制定，如果問題涉及安全，那我們肯定是要不出現任何事故，類似這樣的就可以制定絕對目標，優化最差的情況，如果是其他的不需要如此保守的，或許可以制定最優化最大後悔值，等等。
分布魯棒優化是比較新的研究方向，研究難度相對來說也是大一點點的，結合了隨機規劃和魯棒優化，假定引數有多個取值情況，而每乙個取值又服從乙個分布。
新手入門不確定規劃，建議從魯棒優化的區間型別開始著手。
分布式 隨機優化領域的研究如何開展？
青虫 如果是Decentralized Optimization的話可以看看最近的一篇綜述 Nedi,Angelia,Alex Olshevsky,and Michael G.Rabbat.Network topology and communication computation tradeoff...
分布式深度學習訓練中的通訊優化有哪些主流的研究方向？
顏深根 從系統實現上來分，可以分為PS和Allreduce兩個大的方向。對精度是否有影響來分，可以分為同步通訊和非同步通訊。從通訊的內容上來分，可以分為稠密通訊和稀疏通訊。這裡面每乙個方向都會有很多可以優化的方法。比如從通訊底層，可以採用普通TCP IP協議，也可以採用RDMA。PS可以採用單個Se...
R語言中有哪些最優化的包？有隨機梯度下降法的包麼？
R有乙個 sgd package sgd Stochastic gradient descent Description Run stochastic gradient descent in order to optimize the induced loss function given a mo...