Optimization algorithms for risk management in multidimensional Gaussian systems

В статье представлен сравнительный анализ оптимизационных алгоритмов для решения задачи управления риском в гауссовских стохастических системах. Оптимизационная задача, рассматриваемая в работе, имеет ряд особенностей, которые необходимо учитывать при решении. Особенностями задачи являются наличие стохастического ограничения на требуемый уровень риска, невыпуклость области допустимых решений и рост числа управляющих переменных в задаче достижения приемлемого уровня риска. Предложены пути решения проблемы возникновения множества локальных минимумов. Проведено исследование эффективности методов нулевого, первого и второго порядков для решения задачи безусловной минимизации с помощью метода статистических испытаний Монте-Карло. Каждый метод был адаптирован под особенности решаемой задачи. Выполнена программная реализация всех представленных алгоритмов. В статье представлены результаты исследования. Рассчитана вычислительная сложность алгоритмов.