सैंपलिंग के माध्यम से CVaR का अनुकूलन

कंडीशनल वैल्यू एट रिस्क (CVaR) एक प्रमुख जोखिम माप है जिसका व्यापक रूप से विभिन्न क्षेत्रों में उपयोग किया जा रहा है। हम कंडीशनल अपेक्षा के रूप में CVaR के ग्रेडियेंट के लिए एक नया सूत्र विकसित करते हैं। इस सूत्र के आधार पर, हम संभाव्यता-अनुपात विधि की भावना में CVaR के ग्रेडियेंट के लिए एक नए सैंपलिंग-आधारित अनुमापक का प्रस्ताव करते हैं। हम अनुमापक के पूर्वाग्रह का विश्लेषण करते हैं और एक संबंधित स्टोकास्टिक ग्रेडियेंट डिसेंट एल्गोरिदम के स्थानीय CVaR अधिकतम तक पहुंचने की पुष्टि करते हैं। हमारी विधि नए क्षेत्रों में CVaR अनुकूलन पर विचार करने की अनुमति देती है। एक उदाहरण के रूप में, हम एक पुनः बलन सीखने के अनुप्रयोग पर विचार करते हैं, और टेट्रिस खेल के लिए एक जोखिम-संवेदनशील नियंत्रक सीखते हैं।