［本站讯］近日，国际顶级亚娱体育官方网站期刊《美国科学院院刊》PNAS发表了山东大学陈增敬团队与耶鲁大学陈晓红团队共同合作的研究成果“Optimization Via The Strategic Law of Large Numbers”（《基于策略大数定律的优化方法》）。该研究利用双臂机的运行原理，发现和证明了双臂机的策略大数定律（StLLN），并据此策略大数定律建立了策略蒙特卡洛优化（SMCO）算法。该成果用双臂机重塑了数学优化框架的理论与算法。在全局优化、智能决策与机器学习交叉领域实现重要理论突破。
传统大数定律作为概率论核心基础，揭示了大量独立随机现象的统计规律，被广泛应用于概率统计、数据分析与常规优化问题。但面对高维、多峰、非光滑、强噪声等现代工程、人工智能、金融决策场景下的复杂全局优化难题，经典概率极限理论与传统优化算法普遍存在收敛慢、鲁棒性弱、易陷入局部最优等痛点。针对这一行业共性难题，研究团队跳出传统研究框架，以双臂机运行原理为工具，开创性地将概率极限理论与最优策略设计、决策博弈思想深度融合，正式提出策略大数定律（Strategic Law of Large Numbers, StLLN），建立了 “策略引导 —双臂机运行 — 全局寻优” 的全新理论体系。
基于双臂机的策略大数定律，团队进一步研发出策略蒙特卡洛优化（SMCO）算法。该算法创新性地将全局优化问题等价转化为双臂机决策模型下的最优策略设计问题，仅依靠梯度符号、有限差分等简易信息，即可完成复杂函数的高效全局优化。大量数值实验验证，SMCO 算法在高维优化、多目标优化、非光滑函数优化等场景中，具备收敛速度快、抗干扰能力强、适用范围广等显著优势，有效弥补了传统蒙特卡洛算法、梯度类优化算法的短板。
该成果可服务于深度学习模型训练、神经网络参数优化、强化学习策略迭代；可用于复杂装备参数调优、智能制造流程优化和金融中的资产组合优化、风险决策、量化交易等场景。
PNAS（Proceedings of the National Academy of Sciences）是与Nature、Science、Cell齐名的世界顶尖四大综合性亚娱体育官方网站期刊之一，收录全球各学科具有开创性、引领性的前沿成果。此次成果由山东大学陈增敬教授联合国内外多所高校学者共同完成，是山东大学在非线性概率、极限理论、优化算法交叉方向的又一标志性成果。
