315 artículos
El artículo presenta el método ALMTON, una variante de Newton de tercer orden que logra convergencia global en optimización no convexa mediante subproblemas de programación semidefinida adaptativos, ofreciendo una complejidad de evaluación de y un rendimiento superior frente a métodos de segundo orden y otras aproximaciones de tercer orden.
Este artículo propone un algoritmo de aprendizaje por refuerzo sin modelo que garantiza la convergencia casi segura y una tasa óptima de para la optimización de la Valor en Riesgo Condicional (CVaR) a largo plazo en procesos de decisión de Markov, utilizando una única trayectoria de muestra y extendiéndose a problemas de optimización media-CVaR.
Este artículo compara los mecanismos de control de tasa y esfuerzo en poblaciones estructuradas por edad, demostrando mediante condiciones de optimalidad de Pontryagin que el control por esfuerzo introduce una acoplamiento no local en el sistema adjunto debido a su dependencia de la población total, lo que genera distinciones matemáticas y bioeconómicas fundamentales frente al control por tasa.
Este artículo estudia la buena posición, el controlabilidad y la estabilización de sistemas acoplados en cascada, utilizando como ejemplo prototípico un sistema unidimensional de ecuaciones de calor y ondas, donde se demuestra la controlabilidad exacta y aproximada simultánea y se logra una estabilización polinómica mediante un control de retroalimentación basado en una ecuación de Sylvester dentro de un marco abstracto de sistemas lineales invariantes en el tiempo.
El artículo investiga problemas de optimización respecto al control de una seminorma para funcionales que relacionan la primera frecuencia fundamental y la rigidez a la torsión inducidas por energías variacionales anisotrópicas.
Este artículo propone un método de optimización para el Algoritmo Variacional de Eigenvectores Cuánticos (VQE) basado en el algoritmo de Verlet con velocidad, el cual mejora la exploración del paisaje energético y demuestra un rendimiento superior al de optimizadores estándar como L-BFGS-B en simulaciones de moléculas como H₂ y LiH.
El artículo demuestra que ciertas desigualdades lineales dispersas que aproximan el cono semidefinido positivo permiten construir relajaciones de programación lineal que ofrecen los mismos cotas que las relajaciones de programación semidefinida, acelerando así los métodos de ramificación y acotación para resolver problemas de optimización no convexa.
El artículo presenta OptEMA, un nuevo optimizador basado en medias móviles exponenciales adaptativas que logra tasas de convergencia óptimas en el régimen de ruido cero sin requerir conocimiento previo de constantes de Lipschitz ni reconfiguración manual de hiperparámetros.
Este artículo propone una nueva familia de optimizadores basados en normas de operadores normalizadas (como MOGA) que garantizan una estabilidad independiente del ancho de la red y permiten una transferencia efectiva de hiperparámetros, superando las limitaciones de métodos existentes como AdamW y Muon mediante una perspectiva geométrica de descenso de gradiente.
Este artículo presenta un modelo de optimización bilevel y cinco algoritmos heurísticos eficientes para diseñar redes de transporte a gran escala que integran la demanda latente, demostrando mediante estudios de caso reales que estos métodos encuentran soluciones de alta calidad más rápido que los enfoques exactos mientras satisfacen propiedades clave de adopción.
Este trabajo establece garantías finitas de muestra para un método de aprendizaje de representaciones de estado impulsado por costos que predice costos multietapa sin observar acciones ni observaciones, logrando así un controlador y una representación casi óptimos para problemas de control lineal cuadrático gaussiano (LQG) de horizonte finito.
Este artículo presenta una corrección y la versión original de un estudio que deriva una formulación port-Hamiltoniana mínima para sistemas de partículas interactuantes, demuestra la preservación de dicha estructura en el límite de campo medio, identifica las condiciones necesarias para la convergencia y la compacidad relativa de las trayectorias, y ofrece nuevas perspectivas sobre la estabilidad uniforme y el acoplamiento de diferentes especies.
El artículo propone una política de control predictivo de modelo (MPC) para gestionar la energía en hogares con tarifas de potencia pico escalonadas, la cual, mediante experimentos numéricos en Trondheim, Noruega, logra un coste eléctrico dentro del 1,7 % del límite teórico óptimo obtenido con conocimiento perfecto del futuro.
Este artículo investiga la estabilidad distribucional de un estimador disperso de la matriz de precisión, derivando un límite explícito de Lipschitz local para la distancia entre las distribuciones del estimador bajo datos reales y contaminados, medido mediante la métrica de Kantorovich, y presenta resultados análogos, aplicaciones y experimentos numéricos.
El artículo presenta OTAD, un modelo de defensa adversarial robusto que combina el entrenamiento de redes neuronales con regularización basada en transporte óptimo y la interpolación mediante problemas de integración convexa para lograr tanto una alta precisión en los datos como una continuidad Lipschitz local certificada.
Este artículo propone y evalúa nuevos algoritmos heurísticos y un enfoque de *rollout* basado en programación estocástica para optimizar la selección y reasignación de ambulancias bajo incertidumbre, demostrando que estas técnicas mejoran los tiempos de respuesta y son lo suficientemente rápidas para su implementación en tiempo real en servicios médicos de emergencia.
Este artículo demuestra que, para una clase de procesos de decisión de Markov de horizonte finito con espacios generales de estado y acción, el paisaje de optimización de políticas satisface la condición PŁK, lo que garantiza la convergencia global de los métodos de gradiente de política a la política óptima con tasas no asintóticas y proporciona las primeras garantías de complejidad de muestra para sistemas de inventario y balances de efectivo estocásticos.
Este artículo analiza la robustez de los procesos de decisión de Markov bajo aproximación de modelos mediante la distancia de Wasserstein, cuantificando la pérdida de rendimiento al aplicar políticas óptimas de modelos aproximados a dinámicas reales y estableciendo límites de complejidad de muestra para aplicaciones en aprendizaje empírico y estimación de perturbaciones.
Este artículo ofrece una nueva perspectiva de análisis variacional sobre las funciones -parcialmente lisas, estableciendo su relación con la epi-diferenciabilidad estricta doble, calculando su segunda subderivada y aplicando estos resultados al análisis de estabilidad de ecuaciones generalizadas y a la aproximación de muestras promedio en programas estocásticos.
Este trabajo presenta soluciones explícitas para problemas de regulador lineal minimax en sistemas lineales invariantes en el tiempo positivos, abordando perturbaciones no negativas y acotadas mediante programación dinámica y un método de punto fijo para horizontes temporales finito e infinito, con aplicaciones demostradas en redes de gestión de agua a gran escala.