338 artículos
Este artículo demuestra que la convergencia y unicidad de las redes de equilibrio de operadores monótonos bajo cuantización de pesos están garantizadas siempre que la perturbación espectral sea menor que el margen de monotonía, estableciendo límites teóricos para el error y validando experimentalmente que la cuantización consciente del entrenamiento puede recuperar la convergencia a niveles de precisión de cuatro bits.
Los autores proponen un método cuasi-Newton regularizado tolerante al ruido, que utiliza una búsqueda lineal relajada y una actualización de parámetros inspirada en AdaGrad-Norm, demostrando mediante experimentos en benchmarks CUTEst y aritmética de baja precisión una mayor robustez y convergencia global frente a errores en las evaluaciones de la función objetivo.
Este artículo presenta un método de Lanczos tau para aproximar y optimizar la norma de sistemas de ecuaciones diferenciales algebraicas con retraso, demostrando su convergencia, derivando fórmulas explícitas para el gradiente que facilitan el diseño de controladores robustos, y mostrando que el uso de splines basados en polinomios ortogonales de Legendre acelera significativamente la tasa de convergencia y preserva la estabilidad.
Este artículo presenta algoritmos dinámicos distribuidos que permiten a múltiples agentes calcular certificados globales de estabilidad y diseñar controladores óptimos (LQR) utilizando únicamente datos locales sin compartir las mediciones crudas, garantizando convergencia exacta y robustez frente a incertidumbres.
Este artículo establece la primera estimación de error para un observador discreto aplicado a un sistema hiperbólico cuasilineal, demostrando mediante una técnica de energía relativa modificada que el observador de Luenberger para las ecuaciones de Euler barotrópicas unidimensionales alcanza una precisión uniforme en el tiempo bajo mediciones de velocidad.
Este artículo establece la tasa óptima de propagación del caos para ecuaciones de McKean-Vlasov con coeficientes no lineales en la medida, aplicando estos resultados a la convergencia en juegos y control de campo medio, así como a la dinámica de Langevin de campo medio, combinando la jerarquía BBGKY con técnicas de propagación débil del caos.
Este artículo resuelve el problema de optimización de cartera de Merton en un entorno de Volterra multivariado no markoviano mediante el uso de una ecuación diferencial estocástica hacia atrás de tipo Riccati, obteniendo estrategias óptimas en forma semi-cerrada que ilustran el impacto de la volatilidad rugosa estacionaria.
Este artículo establece la existencia y unicidad del equilibrio para un juego de campo medio estocástico de inversión óptima, analizando horizontes temporales finito e infinito mediante estimaciones a priori y ecuaciones integrales no lineales, donde la interacción entre empresas se modela a través de un precio que depende de la capacidad de producción esperada.
Este trabajo presenta un marco de optimización particionada (POf) y un método de optimización sin derivadas (DFPOm) que resuelven problemas complejos identificando la partición de variables que simplifica la búsqueda de la solución óptima, demostrando su eficacia tanto en casos de control óptimo infinito como en problemas de caja gris compuestos.
Este artículo presenta la formalización en Lean 4 de varios teoremas tipo Farkas sobre cuerpos ordenados linealmente y extiende la teoría de dualidad en la optimización lineal al caso en que algunos coeficientes pueden tomar valores infinitos.
Este artículo presenta un heurístico masivamente paralelo que aproxima la base de Graver mediante la optimización de problemas no convexos continuos para superar los cuellos de botella computacionales en la programación entera no lineal, logrando un rendimiento comparable al de los solucionadores avanzados.
Este artículo proporciona por primera vez una caracterización completa de la selección óptima dinámica de carteras bajo preferencias de media-varianza monótonas en modelos de precios de activos con retornos independientes, estableciendo condiciones necesarias y suficientes para la eficiencia y relacionando la utilidad máxima con la ratio de Sharpe monótona.
Este artículo establece la existencia de un equilibrio para una clase de Juegos de Campo Medio que involucran Ecuaciones Diferenciales Estocásticas Reflejadas, utilizando el marco de controles relajados y problemas de martingala.
Este artículo presenta una variante de los pasos de tipo Polyak para el descenso de espejo entrópico aplicado a sistemas lineales, logrando resultados de convergencia y mejorando los límites del sesgo implícito sin requerir suposiciones restrictivas sobre el dominio no acotado.
Este estudio presenta un marco computacional que combina el diseño por morfing y la optimización bayesiana para generar perfiles de natación ondulatoria con una eficiencia propulsiva superior (49-57%) a los modos bioinspirados tradicionales, mediante la optimización de parámetros cinemáticos y la redistribución estratégica de fuerzas y energía.
Este artículo introduce el concepto de conjunto alcanzable dependiente para un escenario de persecución con estrategia de rumbo constante, presentando resultados teóricos sobre sus límites geométricos, un problema de optimización original y simulaciones que validan empíricamente la forma de dicho conjunto.
Este artículo propone esquemas de gradiente estocástico aleatorizado con suavizado para resolver juegos estocásticos no convexos y no suaves, logrando complejidades de muestra óptimas y demostrando convergencia asintótica hacia equilibrios sin depender de condiciones de crecimiento estrictas o convexidad local.
El artículo presenta StochasticBarrier.jl, una caja de herramientas de código abierto en Julia que sintetiza funciones de barrera estocásticas para la verificación de seguridad de sistemas estocásticos discretos mediante optimización SOS y métodos PWC, demostrando un rendimiento superior en velocidad, precisión y escalabilidad frente a las herramientas existentes.
Este artículo presenta un marco matemático general basado en la programación semidefinida y el transporte óptimo no conmutativo para resolver problemas variacionales en termodinámica cuántica a temperatura positiva, abordando tanto la regularización y el comportamiento en el límite de cero temperatura como su aplicación a la tomografía de estados y algoritmos computacionales.
Este artículo presenta un enfoque basado en datos para el control supervisorio no bloqueante de sistemas de eventos discretos con modelos desconocidos, introduciendo el concepto de informatividad de datos de marcado y algoritmos para verificarlo o maximizar la especificación controlable cuando los datos son insuficientes.