В статье представлен последовательный состязательно устойчивый фреймворк принятия решений, учитывающий прирост информации относительно наихудших неожиданных эффектов, смоделированных как состязательные переменные.
- Подход формализует состязательно оптимальное решение в рамках байесовской теории принятия решений.
- Выведен обоснованный критерий байесовского экспериментального планирования, явно нацеленный на стабильность решений, а не на номинальную оптимальность.
- Эксперименты на синтетических и реальных наборах данных показывают, что традиционные методы сходятся к решениям с высокой уверенностью, но хрупким результатам, тогда как предложенный метод дает значительно более стабильные и надежные результаты при состязательных вариациях.