337 articles
Cet article établit la stabilité des programmes stochastiques à deux étapes sous des coûts dépendant du problème en développant une approche directe basée sur la formulation primale du transport optimal, démontrant ainsi la continuité lipschitzienne de la fonction de valeur optimale sous des conditions de régularité minimales et une propriété de domination du regret.
Cet article propose un cadre d'optimisation basé sur la programmation linéaire en nombres entiers pour résoudre le problème de câblage en trois dimensions, en discrétisant l'espace de conception afin de minimiser la longueur des câbles tout en respectant les contraintes géométriques et techniques complexes des environnements industriels.
Cet article propose une nouvelle méthode d'estimation des covariances de bruit pour les filtres de Kalman, nommée ALS-IRLS, qui combine un mécanisme de seuillage adaptatif et une approche de moindres carrés pondérés itératifs pour garantir une robustesse exceptionnelle aux valeurs aberrantes et améliorer considérablement la précision de l'estimation d'état.
Cet article détermine la capacité exacte et améliore les bornes inférieures pour le multicast en présence d'adversaires restreints sur des réseaux non séparables, en démontrant que la capacité nécessite une conception conjointe des codes externes et internes, contrairement au cas des adversaires non restreints.
Le papier présente PolyFormer, une méthode d'apprentissage automatique informée par la physique qui améliore l'évolutivité de l'optimisation sous contraintes physiques complexes en transformant les structures géométriques en reformulations polytopiques efficaces, permettant ainsi des accélérations computationnelles massives tout en maintenant une qualité de solution compétitive.
Cet article propose l'algorithme PR-EXTRA, une méthode sans boucle pour l'optimisation distribuée composite sur des variétés riemanniennes compactes, qui garantit une convergence sous-linéaire de vers un point stationnaire tout en n'exigeant qu'une seule communication par itération.
Cet article démontre qu'un problème de décision polynomial, dont l'exécution dépend de contraintes causales strictes, ne peut bénéficier d'aucune accélération asymptotique par le parallélisme et échappe à la classe , révélant ainsi une limite fondamentale entre le parallélisme logique et l'exécutabilité causale.
Cet article propose une formulation théorique des opérateurs pour unifier la géométrie des contraintes, la compression spectrale et la compatibilité structurelle dans l'optimisation sous calcul borné, en modélisant les limitations par des opérateurs auto-adjoints qui redéfinissent les directions de gradient admissibles.
Cet article propose le concept novateur de dissipation stricte à deux fonctions de stockage pour établir des conditions nécessaires et suffisantes de stabilité asymptotique en commande prédictive économique, en reliant directement ces conditions aux fonctions de valeur et en offrant des alternatives plus vérifiables à la dissipation stricte classique.
Le papier propose le cadre de régression générative antagoniste (GAR), qui apprend des scénarios de risque conditionnels en alignant les générateurs sur des objectifs de risque élicitables via une formulation minimax, démontrant ainsi une meilleure préservation du risque en aval sur les données du S&P 500 par rapport aux méthodes existantes.
Cet article examine les décisions optimales d'épargne et de consommation face à l'incertitude sur les dynamiques de transition d'un environnement économique, en démontrant l'existence et les propriétés structurelles d'une politique optimale dans un cadre d'apprentissage bayésien et en analysant comment cette incertitude façonne l'accumulation de richesse à long terme.
Cet article propose de nouveaux algorithmes faiblement polynomiaux pour le problème de recherche linéaire paramétrique sur les fonctions sous-modulaires, en exploitant une formulation duale et des méthodes de plans coupants pour réduire le nombre d'appels à l'oracle de minimisation exacte.
Cet article propose un algorithme pour optimiser la mesure de risque CVaR dynamiquement augmentée (DCVaR), une version temporellement cohérente du CVaR statique, dans le cadre des processus de décision markoviens en étudiant un processus de décision markovien robuste à espace d'états augmenté.
Cet article propose une méthode de branch-and-bound disjonctive couplée à de nouvelles relaxations convexes pour résoudre le problème de complétion de matrices de faible rang avec une garantie d'optimalité, surpassant significativement les heuristiques existantes en termes de précision et de certitude théorique.
Cet article établit une fondation mathématique rigoureuse pour l'optimisation contrainte dans les espaces de Hilbert en introduisant le multiplicateur de Lagrange essentiel et une nouvelle méthode de décomposition du système KKT, permettant d'obtenir des résultats précis sur l'existence, l'unicité et la convergence des méthodes d'optimisation, tout en soulignant les différences fondamentales avec le cas de dimension finie.
Cet article explore le rôle des dérivées semilisses dans l'analyse numérique non lisse en examinant leur interaction avec la propriété de semilissitude* pour les multifonctions, en particulier pour les applications de solutions d'inclusions paramétriques, et établit leur coïncidence presque partout avec les jacobiennes généralisées.
Cet article propose une formulation en contrôle singulier régularisé par l'entropie résiduelle pour les problèmes d'arrêt optimal exploratoires, permettant d'identifier une stratégie optimale unique et de développer des algorithmes d'apprentissage par renforcement, notamment de type acteur-critique, capables de gérer des dimensions élevées.
Cet article propose une nouvelle stratégie d'exploration ciblée pour les systèmes linéaires invariants dans le temps soumis à des perturbations non stochastiques à énergie bornée, utilisant un programme semidéfini pour garantir une précision d'estimation des paramètres sans hypothèse sur la distribution des perturbations.
Cette étude propose une approche novatrice « apprendre puis optimiser » intégrant un modèle d'apprentissage automatique basé sur des données géographiques, une analyse interprétable via SHAP et un programme en nombres entiers guidé par SHAP, afin d'optimiser le déploiement des défibrillateurs externes automatisés et d'améliorer les taux de survie aux arrêts cardiaques hors hôpital.
Cet article propose un cadre déterministe de contrôle basé sur l'appariement de scores et les processus de diffusion pour piloter la densité de probabilité de systèmes non linéaires vers une distribution cible, en transformant la synthèse de commande en la construction d'un processus inverse qui agit comme une loi de rétroaction de débruitage.