本論文では、非定常環境におけるオンライン凸最適化の動的レグレットを最小化するための新しいアルゴリズムを提案する。提案手法は、問題の難易度に応じて動的レグレットの上界を改善することができ、最悪ケースでも既存の最適な保証を維持する。具体的には、勾配変動と比較対象系列の累積損失に依存する問題依存的な動的レグレット上界を導出する。