研究者提出PISO部分知情随机优化方法

研究者 El Mahdi Chayti、Alireza Mirrokni 和 Martin Jaggi 提出部分信息随机优化方法 PISO，将可获得的梯度分量与残差的在线估计相结合，使零阶观测的方差取决于跟踪误差而非残差幅度。 在光滑非凸目标下，PISO 在 Lipschitz 梯度条件下达到 O(d²ε⁻⁶) 的函数评估复杂度，附加 Lipschitz-Hessian 假设时为 O(d²ε⁻⁵)，每次更新仅需一个探测方向、两个函数样本和一个已知分量样本。

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。