Gradient-based optimisation of the conditional-value-at-risk using the multi-level Monte Carlo method

In this work, we tackle the problem of minimising the Conditional-Value-at-Risk (CVaR) of output quantities of complex differential models with random input data, using gradient-based approaches in combination with the Multi-Level Monte Carlo (MLMC) method. In particular, we consider the framework o...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Journal of computational physics Jg. 495; S. 112523
Hauptverfasser:	Ganesh, Sundar, Nobile, Fabio
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier Inc 15.12.2023
Schlagworte:	CVaR Gradient descent Multilevel Monte Carlo methods Optimisation under uncertainty Uncertainty quantification VaR Uncertainty quantification Gradient descent CVaR Multilevel Monte Carlo methods VaR Optimisation under uncertainty
ISSN:	0021-9991, 1090-2716
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!