math.OC artículos | Gist.Science

Stability of Two-Stage Stochastic Programs Under Problem-Dependent Costs

Este artículo presenta un enfoque de estabilidad directo basado en la formulación primal del transporte óptimo para programas estocásticos de dos etapas con costos dependientes del problema, demostrando que la función de valor óptimo es Lipschitz continua bajo condiciones de regularidad mínimas y una propiedad de dominación de arrepentimiento, lo que valida teóricamente la reducción de escenarios para problemas tanto continuos como mixtos-enteros.

Nils Peyrousset, Benoît TranTue, 10 Ma🔢 math

Optimal Embedding of Wiring Diagrams in Constrained Three-Dimensional Spaces

Este artículo presenta un marco de optimización basado en programación lineal entera mixta que resuelve el problema de diagramas de cableado en espacios tridimensionales restringidos, discretizando el espacio de diseño para minimizar la longitud de los cables o tuberías mientras se cumplen estrictas normas de seguridad y viabilidad geométrica.

Víctor Blanco, Gabriel González, Justo PuertoTue, 10 Ma🔢 math

Outlier-robust Autocovariance Least Square Estimation via Iteratively Reweighted Least Square

Este artículo presenta un nuevo algoritmo de estimación de covarianza de ruido robusto a valores atípicos, denominado ALS-IRLS, que combina umbralización adaptativa y el método de mínimos cuadrados iterativamente reponderados con la función de costo de Huber para superar las limitaciones de sensibilidad a anomalías de los métodos ALS convencionales y lograr una precisión de estimación cercana al límite teórico óptimo.

Jiahong Li, Fang DengTue, 10 Ma🤖 cs.LG

Capacity of Non-Separable Networks with Restricted Adversaries

Este artículo investiga la capacidad de redes de un solo origen con adversarios restringidos, demostrando que los límites clásicos no son ajustados y requiriendo un diseño conjunto de códigos, para determinar la capacidad exacta de ciertas familias de redes de dos niveles, mejorar cotas inferiores conocidas y analizar la separabilidad de estas redes bajo métricas de rango y Hamming.

Christopher Hojny, Altan B. Kılıç, Sascha Kurz, Alberto RavagnaniTue, 10 Ma🔢 math

PolyFormer: learning efficient reformulations for scalable optimization under complex physical constraints

El artículo presenta PolyFormer, un modelo de aprendizaje automático informado por física que transforma restricciones complejas en reformulaciones polipédicas eficientes, logrando aceleraciones computacionales masivas y reducciones de memoria en problemas de optimización escalables sin sacrificar la calidad de la solución.

Yilin Wen, Yi Guo, Bo Zhao, Wei Qi, Zechun Hu, Colin Jones, Jian SunTue, 10 Ma🤖 cs.LG

Loopless Proximal Riemannian Gradient EXTRA for Distributed Optimization on Compact Manifolds

El artículo propone el algoritmo PR-EXTRA, un método de gradiente proximal Riemanniano sin bucles que resuelve problemas de optimización compuesta distribuida con regularizadores no suaves en variedades compactas, garantizando una tasa de convergencia sublineal de $\mathcal{O}(1/K)$ con una sola ronda de comunicación por iteración.

Yongyang Xiong, Chen Ouyang, Keyou You, Yang Shi, Ligang WuTue, 10 Ma🔢 math

Intrinsic Sequentiality in P: Causal Limits of Parallel Computation

El artículo demuestra que ciertos problemas de decisión polinomial con especificaciones de ejecución causal intrínseca requieren tiempo lineal $\Omega(N)$ y no admiten aceleración asintótica mediante computación paralela, estableciendo así una brecha fundamental entre el paralelismo lógico y la ejecutabilidad causal.

Jing-Yuan WeiTue, 10 Ma🔢 math

First-Order Geometry, Spectral Compression, and Structural Compatibility under Bounded Computation

Este trabajo propone un marco operatorio que unifica la proyección de gradientes, la compresión espectral y la viabilidad multiobjetivo mediante la codificación de restricciones estructurales en operadores autoadjuntos, revelando cómo estas limitaciones distorsionan la geometría de ascenso óptimo y concentran la dinámica en modos espectrales dominantes bajo computación acotada.

Changkai LiTue, 10 Ma🔢 math

Rethinking Strict Dissipativity for Economic MPC

Este artículo propone el nuevo concepto de disipatividad estricta de dos almacenes para el control predictivo económico, demostrando que es una condición necesaria y suficiente para la estabilidad asintótica, se relaciona directamente con funciones de valor y facilita la verificación de estabilidad en comparación con la disipatividad estricta tradicional.

Mario ZanonTue, 10 Ma🔢 math

Generative Adversarial Regression (GAR): Learning Conditional Risk Scenarios

El artículo propone Generative Adversarial Regression (GAR), un marco que utiliza un enfoque minimax para entrenar generadores que aprenden escenarios de riesgo condicionales alineados con objetivos de riesgo elicitables (como VaR y ES), demostrando en datos del S&P 500 una superioridad en la preservación del riesgo frente a métodos tradicionales.

Saeed Asadi, Jonathan Yu-Meng LiTue, 10 Ma🤖 cs.LG

Optimal Savings under Transition Uncertainty and Learning Dynamics

Este artículo estudia las decisiones óptimas de ahorro bajo incertidumbre sobre las dinámicas de transición de la economía, demostrando la existencia y propiedades estructurales de la política óptima cuando los agentes actualizan sus creencias mediante aprendizaje bayesiano, y analizando cómo esta incertidumbre interactúa con los motivos precautorios para moldear la acumulación de riqueza a largo plazo.

Qingyin Ma, Xinxin ZhangTue, 10 Ma🔢 math

Faster Parametric Submodular Function Minimization by Exploiting Duality

Este trabajo presenta los primeros algoritmos de tiempo débilmente polinomial para el problema de búsqueda lineal paramétrica en funciones submodulares, logrando una reducción en las llamadas al oráculo de minimización mediante la explotación de una formulación dual y métodos de planos de corte.

Swati Gupta, Alec ZhuTue, 10 Ma🔢 math

Dynamically Augmented CVaR for MDPs

Este artículo introduce la medida de riesgo CVaR dinámicamente aumentada (DCVaR) para procesos de decisión de Markov y presenta un algoritmo que optimiza su valor de costos descontados totales, demostrando su corrección mediante un problema especial de transferencia de masa.

Eugene A. Feinberg, Rui DingThu, 12 Ma🔢 math

Disjunctive Branch-and-Bound for Certifiably Optimal Low-Rank Matrix Completion

Este artículo propone un método de ramificación y acotación disyuntiva junto con nuevas relajaciones convexas para resolver el problema de completado de matrices de bajo rango hasta la optimalidad certificada, logrando una reducción significativa en el error de prueba en comparación con los métodos heurísticos existentes.

Dimitris Bertsimas, Ryan Cory-Wright, Sean Lo, Jean PauphiletThu, 12 Ma📊 stat

On Lagrange multipliers of constrained optimization in Hilbert spaces

Este artículo establece una nueva fundamentación matemática para la optimización con restricciones en espacios de Hilbert mediante un marco de descomposición innovador para los multiplicadores de Lagrange, lo que permite obtener resultados precisos sobre la existencia y unicidad de dichos multiplicadores, diferenciar claramente la teoría en dimensiones finitas e infinitas y caracterizar la convergencia de métodos como el de Lagrangiano aumentado y SQP.

Zhiyu TanThu, 12 Ma🔢 math

On the role of semismoothness in nonsmooth numerical analysis: Theory

Este artículo investiga el papel de las derivadas semisuaves en el análisis numérico no suave, explorando su interacción con la propiedad de semisualidad* en multifunciones y estableciendo resultados sobre las derivadas generalizadas de mapas de solución, la coincidencia casi segura con los jacobianos generalizados y las consecuencias para la protodiferenciabilidad estricta.

H. Gfrerer, J. V. OutrataThu, 12 Ma🔢 math

Exploratory Optimal Stopping: A Singular Control Formulation

Este artículo presenta una formulación de control singular para problemas de parada óptima exploratoria mediante tiempos de parada aleatorizados y regularización por entropía residual, identificando la estrategia óptima única y proponiendo algoritmos de aprendizaje por refuerzo basados y libres de modelo con garantías de mejora de política.

Jodi Dianetti, Giorgio Ferrari, Renyuan XuThu, 12 Ma💰 q-fin

Robust targeted exploration for systems with non-stochastic disturbances

El artículo propone una nueva estrategia de exploración dirigida para sistemas lineales con perturbaciones no estocásticas, que utiliza un programa semidefinido para garantizar una precisión deseada en la estimación de parámetros sin asumir distribuciones de ruido.

Janani Venkatasubramanian, Johannes Köhler, Mark Cannon, Frank AllgöwerThu, 12 Ma⚡ eess

Public Access Defibrillator Deployment for Cardiac Arrests: A Learn-Then-Optimize Approach with SHAP-based Interpretable Analytics

Este estudio propone un enfoque novedoso de "aprender y luego optimizar" que combina un modelo de aprendizaje automático basado en datos geográficos, análisis interpretables con SHAP y programación entera para optimizar la ubicación de desfibriladores externos automáticos y mejorar las tasas de supervivencia ante paros cardíacos fuera del hospital.

Kexin Cao (Victor), Chih-Yuan Yang (Victor), Keng-Hou Leong (Victor), Xinglu Liu (Victor), Wai Kin (Victor), ChanThu, 12 Ma🔢 math

Score Matching Diffusion Based Feedback Control and Planning of Nonlinear Systems

Este artículo propone un marco de control basado en la coincidencia de puntuación de difusión para sistemas no lineales, que utiliza un proceso de difusión hacia adelante seguido de una ley de retroalimentación determinista de "desruido" para guiar la densidad de probabilidad del sistema hacia una distribución objetivo, ofreciendo una alternativa tratable al control no lineal con garantías teóricas para sistemas sin deriva y lineales invariantes en el tiempo.

Karthik Elamvazhuthi, Darshan Gadginmath, Fabio PasqualettiThu, 12 Ma⚡ eess

← Anterior Siguiente →