Learning Predictive Ambiguity Sets for Decision-Focused Distributionally Robust Optimization
本論文は、状態依存的なワッサースタイン半径と公称分布を適応的に学習することで分布ロバスト最適化を強化する深層コンテキストフレームワークであるLearned Predictive Ambiguity Sets (LPAS) を提案し、ポートフォリオ最適化において従来の固定半径ベースラインと比較して、優れた性能と保守性の低減を実証する。