分布鲁棒多阶段凸优化：非连续对偶动态规划算法与复杂度

SIAM Journal on Optimization · 2026-10-15 · 期刊论文

• 一句话结论：针对分布鲁棒多阶段凸优化（DR-MCO）问题，本文提出非连续对偶动态规划（NDDP）算法，作者报告其可将子问题复杂度对阶段数的依赖由二次降为线性，属于算法与复杂度分析层面的理论证据支持。
• 研究设计与做法：研究为算法设计与复杂度分析类工作，材料未报告具体样本量、数据集规模或数值实验设置；做法是提出NDDP算法，以自适应方式探索不同阶段，并与常规连续对偶动态规划算法进行复杂度对比，另给出两个DR-MCO算例。
• 主要结果：主要结果为复杂度层面的结论：NDDP使子问题复杂度对阶段数由二次依赖降为线性依赖；材料未报告具体运行时间、迭代次数、误差界数值、置信区间或p值，两个算例仅用于展示效率与效果。
• 机制或解释：作者给出的解释是：NDDP通过自适应地跨阶段探索，避免连续对偶动态规划逐阶段顺序处理的限制，从而降低子问题规模随阶段数的增长阶数；未讨论其他机制。
• 局限与边界：局限与边界：材料未报告实验规模、算例来源、是否含真实应用数据、是否单中心或利益冲突等信息；结论限于所设定的DR-MCO问题结构与假设，向其他优化问题外推需谨慎。
• 可否落地：可否落地：对多阶段鲁棒优化算法研究具有方法学参考价值，属理论层面的证据支持；材料未报告与既有算法在统一基准上的实证比较，故实际求解性能与工程适用性尚不足以下结论。

🔗 打开原文

Shixuan Zhang, Xu Andy Sun

本文摘自《每日前沿研究简报 · 2026-10-17》「数学」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。