Outperformance Inverse Optimization：学习优于智能体决策的目标函数

论文提出 outperformance inverse optimization，针对混合整数线性规划（MILP）学习目标函数权重，使每个状态下的最优解在各分量上都优于观测到的动作。该方法给出仅需前向问题预言机即可评估的损失函数，并配套基于梯度和 DC 优化算法。理论证明泛化误差上界与观测数量成反比，且在忽略对数因子下紧致；合成与真实数据实验显示其优于现有方法。