math.OC Arbeiten | Gist.Science

A Globally Convergent Third-Order Newton Method via Unified Semidefinite Programming Subproblems

Die Arbeit stellt die Adaptive Levenberg-Marquardt Third-Order Newton Method (ALMTON) vor, ein neuartiges Optimierungsverfahren für nichtkonvexe Probleme, das durch die Lösung einheitlicher semidefiniter Programmier-Teilprobleme eine global konvergente, unregulierte dritte-Ordnung-Newton-Methode ermöglicht und dabei eine bessere Konvergenz als bestehende Ansätze bei vorhersagbaren Iterationskosten bietet.

Yubo Cai, Wenqi Zhu, Coralia Cartis, Gioele ZardiniWed, 11 Ma🔢 math

Long-Run Conditional Value-at-Risk Reinforcement Learning

Die Autoren stellen einen modellfreien Reinforcement-Learning-Algorithmus vor, der auf einer CVaR-spezifischen Bellman-Gleichung basiert, um langfristige Risikooptimierungsprobleme in MDPs mit fast sicherer Konvergenz und einer Konvergenzrate von O(1/n) zu lösen.

Qixin Wang, Hao Cao, Jian-Qiang Hu, Mingjie Hu, Li XiaWed, 11 Ma🔢 math

Optimal Control in Age-Structured Populations: A Comparison of Rate-Control and Effort-Control

Diese Arbeit vergleicht die mathematischen und bioökonomischen Unterschiede zwischen der direkten Entnahmerate (Rate-Control) und der aggregatabhängigen Anstrengung (Effort-Control) bei der optimalen Ernte alterstrukturierter Populationen, indem sie notwendige Optimalitätsbedingungen für beide Modelle herleitet und zeigt, wie die Anstrengungsführung durch einen nichtlokalen Kopplungsterm im adjungierten System strukturell verändert wird.

Jiguang Yu, Louis Shuo WangWed, 11 Ma🔢 math

Control and stabilization of cascade coupled systems: application to a 1-d heat and wave coupled system

Der Artikel untersucht die Wohlgestelltheit, Steuerbarkeit und Stabilisierbarkeit von Kaskaden-Systemen, insbesondere einer 1D-Wärme-Welle-Kopplung, indem er die Kaskadenstruktur nutzt, um simultane exakte und approximative Steuerbarkeit sowie eine polynomielle Stabilisierung über eine Sylvester-Gleichung nachzuweisen.

Lucas Davron, Pierre Lissy, Swann MarxWed, 11 Ma🔢 math

On the relations between fundamental frequency and torsional rigidity in the case of anisotropic energies

Dieser Artikel untersucht Optimierungsprobleme für Funktionale, die das Produkt aus dem ersten Eigenwert und der Torsionssteifigkeit anisotroper Energiefunktionale bezüglich des zugrunde liegenden Seminorms $H$ bilden.

Giuseppe Buttazzo, Raul Fernandes HortaWed, 11 Ma🔢 math

Velocity Verlet-based optimization for variational quantum eigensolvers

Die Autoren stellen einen auf dem Velocity-Verlet-Algorithmus basierenden Optimierer für den Variational Quantum Eigensolver vor, der durch die Einführung eines Trägheitsterms die Suche im Energielandschaftsraum verbessert und bei Molekülen wie H₂ und LiH eine höhere Genauigkeit mit weniger Quantenschaltkreis-Auswertungen als herkömmliche Optimierer erreicht.

Rinka MiuraWed, 11 Ma⚛️ quant-ph

Sparse Cuts for the Positive Semidefinite Cone

Die Arbeit zeigt, dass durch die Identifizierung spezieller, dünn besetzter linearer Ungleichungen eine LP-Relaxation erreicht werden kann, die für nichtkonvexe quadratische Optimierungsprobleme dieselbe Schranke liefert wie eine SDP-Relaxation und damit Branch-and-Bound-Verfahren beschleunigt.

Oktay Günlük, Paul Jünger, Jeff Linderoth, Andrea Lodi, James LuedtkeWed, 11 Ma🔢 math

OptEMA: Adaptive Exponential Moving Average for Stochastic Optimization with Zero-Noise Optimality

Die Arbeit stellt OptEMA vor, einen adaptiven Exponential Moving Average-Optimierer für stochastische Probleme, der ohne Kenntnis der Lipschitz-Konstante auskommt und im noise-freien Fall eine nahezu optimale Konvergenzrate von $\widetilde{\mathcal{O}}(T^{-1/2})$ erreicht.

Ganzhao YuanWed, 11 Ma🤖 cs.LG

On the Width Scaling of Neural Optimizers Under Matrix Operator Norms I: Row/Column Normalization and Hyperparameter Transfer

Die Arbeit führt eine neue Familie von mittelnormalisierten Operator-Normen ein, um stabilen Lernraten-Transfer über verschiedene Netzwerkbreiten hinweg zu ermöglichen, und stellt den darauf basierenden Optimierer MOGA vor, der in großen Sprachmodellen mit Muon konkurrierbar ist und dabei schneller konvergiert.

Ruihan Xu, Jiajin Li, Yiping LuWed, 11 Ma🤖 cs.LG

Bilevel Optimization and Heuristic Algorithms for Integrating Latent Demand into the Design of Large-Scale Transit Systems

Diese Arbeit stellt ein generisches bilevel-Optimierungsmodell (TN-DA) vor, das latente Nachfrage in die Gestaltung von großflächigen Transitsystemen integriert, und entwickelt effiziente heuristische Algorithmen, die auf realen Datensätzen nachweisen, dass sich hochwertige Lösungen unter Berücksichtigung von Nutzeradoption schneller als mit exakten Methoden finden lassen.

Hongzhao Guan, Beste Basciftci, Pascal Van HentenryckTue, 10 Ma🔢 math

Cost-Driven Representation Learning for Linear Quadratic Gaussian Control: Part I

Dieser Beitrag stellt eine kostengesteuerte Methode zur Erlernung von Zustandsrepräsentationen für die lineare quadratische Gaußsche (LQG) Steuerung vor und liefert erstmals endliche Stichproben-Garantien für die Konvergenz zu einem nahezu optimalen Regler, indem ein latentes Modell ausschließlich durch die Vorhersage von Kosten statt von Beobachtungen gelernt wird.

Yi Tian, Kaiqing Zhang, Russ Tedrake, Suvrit SraTue, 10 Ma🤖 cs.LG

Erratum and original of Port-Hamiltonian structure of interacting particle systems and its mean-field limit

Dieses Papier korrigiert einen Fehler in einer früheren Arbeit zur port-Hamiltonian-Struktur von wechselwirkenden Teilchensystemen, indem es die Gültigkeit der Konvergenz des Hamilton-Gradienten bestätigt, die relative Kompaktheit der Trajektorien ohne zusätzliche Attraktivitätsannahme widerlegt und gleichzeitig die Erhaltung dieser Struktur im Mean-Field-Limit sowie neue Stabilitätsaussagen für das System liefert.

Jannik Daun, Daniel Jannik Happ, Birgit Jacob, Claudia TotzeckTue, 10 Ma🔢 math

Home Energy Management under Tiered Peak Power Charges

Die vorgestellte Arbeit entwickelt eine modellprädiktive Regelungsstrategie für den Betrieb von Heimbatterien unter Berücksichtigung von gestaffelten Spitzenlastgebühren, die in numerischen Experimenten mit norwegischen Daten eine Kosteneffizienz von nur 1,7 % über dem theoretischen Optimum mit perfekter Vorhersage erreicht.

David Pérez-Piñeiro, Sigurd Skogestad, Stephen BoydTue, 10 Ma🔢 math

Distributional stability of sparse inverse covariance matrix estimators

Diese Arbeit untersucht die Verteilungsstabilität eines sparse Schätzers für die Inverse Kovarianzmatrix unter kontaminierten Daten, indem sie explizite lokale Lipschitz-Schranken für die Distanz zwischen den Verteilungen des Schätzers mittels der Kantorovich-Metrik herleitet und diese Ergebnisse auf Standard-Kovarianzschätzer sowie numerische Experimente und Anwendungen überträgt.

Renjie Chen, Huifu Xu, Henryk ZähleTue, 10 Ma🔢 math

OTAD: An Optimal Transport-Induced Robust Model for Agnostic Adversarial Attack

Die Arbeit stellt OTAD vor, ein neuartiges zweistufiges Verteidigungsmodell, das die Vorteile von adversarialem Training und Lipschitz-Netzen durch die Nutzung optimaler Transporttheorie und konvexer Integration vereint, um Deep-Learning-Systeme sowohl präzise als auch lokal Lipschitz-stetig und damit robust gegenüber unbekannten Angriffen zu machen.

Kuo Gai, Sicong Wang, Shihua ZhangTue, 10 Ma🤖 cs.LG

New Heuristics for the Operation of an Ambulance Fleet under Uncertainty

Die Studie stellt neue Heuristiken und einen Rollout-Ansatz zur Optimierung der Ambulanzdisposition und -neuverteilung unter Unsicherheit vor, die auf Echtzeitdaten einer Großstadt getestet wurden und im Vergleich zu bestehenden Methoden schnellere Reaktionszeiten sowie effiziente Echtzeitentscheidungen ermöglichen.

Vincent Guigues, Anton J. Kleywegt, Victor Hugo NascimentoTue, 10 Ma🔢 math

Landscape of Policy Optimization for Finite Horizon MDPs with General State and Action

Diese Arbeit zeigt, dass Policy-Gradient-Methoden für eine Klasse von endlich-horizontigen MDPs mit allgemeinen Zustands- und Aktionsräumen trotz Nichtkonvexität durch die Etablierung einer Polyak-Łojasiewicz-Kurdyka-Bedingung global konvergieren und dabei erstmals sample-complexity-Garantien für stochastische Lagerhaltungs- und Kassenhaltungsprobleme liefern.

Xin Chen, Yifan Hu, Minda ZhaoTue, 10 Ma🤖 cs.LG

Robustness to Model Approximation, Model Learning From Data, and Sample Complexity in Wasserstein Regular MDPs

Die Arbeit untersucht die Robustheit diskreter stochastischer optimaler Steuerungen gegenüber Wasserstein-Modellapproximationen, indem sie die Performanceverluste bei der Anwendung optimaler Strategien auf approximative Modelle quantifiziert und dabei insbesondere Anwendungen im empirischen Modelllernen sowie Schranken für die Stichprobenkomplexität behandelt.

Yichen Zhou, Yanglei Song, Serdar YükselTue, 10 Ma🔢 math

A fresh look into variational analysis of $\mathcal C^2$ -partly smooth functions

Diese Arbeit bietet eine neue variationstheoretische Perspektive auf $\mathcal C^2$ -teilweise glatte Funktionen, indem sie deren Beziehung zur strikten zweiten Epi-Differenzierbarkeit untersucht, die zweite Subableitung berechnet und Anwendungen in der Stabilitätsanalyse sowie bei der Stichprobenmittelwertapproximation stochastischer Programme liefert.

Nguyen T. V. Hang, Ebrahim SarabiTue, 10 Ma🔢 math

Minimax Linear Regulator Problems for Positive Systems

Diese Arbeit stellt explizite Lösungen für ein Minimax-Linearregler-Problem bei positiven linearen zeitinvarianten Systemen mit mehreren Störungen vor, indem sie dynamische Programmierung für endliche und unendliche Zeithorizonte nutzt und ein Fixpunktverfahren zur Berechnung des unendlichen Horizonts sowie die Untersuchung des minimalen L1-induzierten Gewinns anwendet.

Alba Gurpegui, Mark Jeeninga, Emma Tegling, Anders RantzerTue, 10 Ma🔢 math

← Zurück Weiter →

math.OC