Inference From Random Restarts
从随机重启中进行推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要将推断协议具体应用于多产品企业的混合 logit 需求均衡求解，关联结构模型计算。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
从随机重启中进行推断
- 研究问题
- 非凸优化或均衡求解多次随机重启后反复得到同一输出，这能为吸引域大小与解的唯一性提供多强的概率证据？
- 方法与思路
- 作者给出将重启输出视为独立分类抽样的充分条件，建立相同输出下的贝叶斯推断与验证协议，并应用于混合 logit 需求均衡求解器。
- 材料陈述的贡献
- 摘要称，唯一性后验集中速度为多项式，而吸引域大小为指数速度；研究还提供验证协议和后验表，明确随机重启推断的限制。
- 阅读关注点
- 应核对初始化分布、求解器独立性及输出归类规则，区分吸引域概率与数学唯一性，并检查先验、遗漏输出和求解器失配的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出充分条件与先验细节，反复得到同一结果不能单独证明全局最优或唯一均衡。
原文摘要
Random-restart heuristics are widely used in nonconvex optimization and equilibrium computation: practitioners run a local algorithm from many initial conditions and interpret repeated convergence to the same output as evidence that the result is robust, dominant, or even unique. Despite its widespread use, this reasoning is usually informal. We provide a probabilistic framework for interpreting restart evidence. We give broad, easy-to-verify sufficient conditions under which repeated runs of a solver can be treated as independent draws from a categorical distribution induced by random initial conditions. Within this framework, we develop Bayesian inference from repeated identical outputs. We derive posterior concentration rates for basin size and uniqueness. These rates demonstrate that uniqueness is inherently harder than learning basin size: posterior concentration for uniqueness is polynomial, whereas basin size concentrates exponentially fast. We also provide a verification protocol for checking whether a given problem fits our framework. We demonstrate the protocol on a widely used equilibrium solver for mixed-logit demand with multi-product firms, and complement the verification exercise with posterior tables that apply to any restart experiment satisfying the protocol. We conclude by delineating limits of restart-based inference, including failures induced by solver--problem mismatch and limited visibility of alternative outcomes.