Learning Predictive Ambiguity Sets for Decision-Focused Distributionally Robust Optimization
Questo articolo propone i Learned Predictive Ambiguity Sets (LPAS), un framework contestuale profondo che apprende adattivamente raggi di Wasserstein e distribuzioni nominali dipendenti dallo stato per migliorare la Distribuzione Robusta dell'Ottimizzazione, dimostrando prestazioni superiori e una ridotta conservatività nell'ottimizzazione di portafoglio rispetto ai tradizionali baseline a raggio fisso.