基于CVaR的一类随机拟变分不等式的逼近算法

主要考虑基于CVaR的一类随机拟变分不等式问题的逼近算法.将随机拟变分不等式问题的正则gap函数看作一个损失函数,将随机拟变分不等式问题转化为损失函数CVaR值的最小化问题.利用光滑技术和蒙特卡洛方法,获得CVaR最小化问题的逼近问题,并考虑了逼近问题的最优解和稳定点的收敛性.

求解拟变分不等式问题的一类无导数下降算法

利用广义正则gap函数的方向导数,构造了一种迭代方向,提出了一类求解拟变分不等式问题的算法。此算法不需关心目标函数的梯度计算问题,与相关文献比较,该算法的适用范围更加广泛。在某些假设条件下,证明算法的收敛性。