342 편의 논문
이 논문은 전기 레이싱카의 에너지 및 열 관리를 위해 최적화 기반 제어와 피드백을 결합하여 운전자가 실시간으로 스로틀을 조절하도록 돕는 시스템을 제안하며, 오프라인 최적화 대비 0.22% 이내의 미미한 시간 손실로 실제 주행 환경에서 효과적으로 작동함을 검증했습니다.
이 논문은 시간 가변적 볼록 최적화 문제를 해결하는 반복적 1 차 최적화 알고리즘을 선형 매개변수 가변 (LPV) 시스템과 적분 2 차 제약 (IQC) 을 결합한 프레임워크로 모델링하여, 시간 변화의 다양한 측도에 의존하는 새로운 추적 오차 상한을 유도하고 이를 반정규 계획법을 통해 계산 가능하게 함으로써 알고리즘의 수렴 속도를 분석하는 방법을 제시합니다.
이 논문은 주어진 -희소성 예산을 가진 최적해를 찾기 위해 일반화된 -서포트 쌍대 노름을 연구하고, -희소 벡터로 생성된 볼록 집합의 노출된 면 분석을 통해 이러한 노름이 -희소 해를 유도하는 조건을 규명하며, 특히 -노름을 소스 노름으로 사용할 때 단위 구의 모든 고유 면이 하이퍼스심플렉스라는 기하학적 구조적 성질을 증명합니다.
이 논문은 비선형 프로그래밍의 새로운 조건인 '모스 매개변수 자격 조건'을 도입하여, 하위 문제가 이 조건을 만족하는 이계 프로그래밍 문제에 적용 가능한 단일 단계 다중 단계 전략과 미분 가능 프로그래밍 전략이라는 두 가지 그라디언트 알고리즘을 제안하고 그 특성을 분석합니다.
이 논문은 GPU 가속 저정밀도 1 차 최적화 기법을 활용하여 대규모 혼합정수선형계획 문제를 해결하는 '고정 및 전파' 휴리스틱을 제안하며, MIPLIB 2017 벤치마크와 REMix 기반의 초대규모 전력 계획 문제에서 기존 상용 솔버 대비 월등히 우수한 성능을 입증했습니다.
이 논문은 혼합 정수 변수를 가진 일반화 내쉬 균형 문제 (GNEP) 와 표준 내쉬 균형 문제 (NEP) 에 대해 니카이도 - 이소다 함수를 이용한 2 단계 최적화 재형식화와 분지 - 절단 (Branch-and-Cut) 알고리즘을 결합하여, 순수 내쉬 균형을 계산하거나 그 부재를 판별할 수 있는 유한 시간 종료 보장 알고리즘을 제안하고 그 유효성을 수치 실험을 통해 검증합니다.
이 논문은 변분 베이지안 최적화의 이중성 구조를 활용하여 페더레이티드 ADMM 을 일반화하고, 등방성 가우시안 가정 하에서 기존 ADMM 을 재현하면서도 다른 지수족 분포에 대해서는 1 단계 수렴 뉴턴 방식이나 최대 7% 의 정확도 향상을 보이는 Adam 방식과 같은 새로운 확장 알고리즘을 제안합니다.
이 논문은 라그랑주 승수법과 보조 PnP 디노이저를 결합하여 ground-truth 데이터 없이도 X-ray CT 재구성 및 이미지 인페인팅 작업에서 기존 Equivariant Imaging 방법보다 10 배 빠른 학습 속도와 향상된 일반화 성능을 달성하는 'Fast Equivariant Imaging (FEI)' 프레임워크를 제안합니다.
이 논문은 균일한 공간 이산화와 에너지 균형 방정식을 기반으로 한 이선형 시스템 모델을 구축하고, 상태 관측기를 포함한 출력 피드백 제어기와 순수 적분 제어 법 두 가지 전략을 제안하여 실제 열교환기 실험을 통해 그 유효성을 검증했습니다.
이 논문은 n-구면 상의 별 모양 제약 조건 하에서 연속 시간 불변 피드백 제어 법칙을 제안하여 안전 영역을 회피하면서도 거의 전역적으로 원하는 위치로 상태를 안정화하는 전략을 제시하고 그 유효성을 시뮬레이션을 통해 입증합니다.
이 논문은 -평균 클러스터링 문제를 매끄러운 리만 다양체 상의 최적화 문제로 재구성하고, 2 차 차수 리만 뉴턴 알고리즘을 통해 기존 1 차 방법보다 훨씬 빠른 수렴 속도와 동등한 통계적 정확도를 달성하는 확장 가능한 새로운 해법을 제시합니다.
이 논문은 선형 분리 가능한 데이터에서 단일 샘플을 사용하는 증분 Adam 의 암묵적 편향이 전체 배치 방식과 달리 -최대 마진 분류기로 수렴할 수 있음을 증명하고, 편향이 배치 방식과 데이터셋에 따라 달라지는 반면 Signum 은 -최대 마진 편향을 유지함을 보여줍니다.
이 논문은 리프시츠 연속 함수 공간의 최적화 문제를 해결하기 위해 다중 스케일 프레임워크를 제안하고, 이를 통해 단일 스케일 방법보다 더 엄밀한 오차 한계와 낮은 계산 비용으로 수렴 보장을 제공하며 지질 데이터 기반 확률 밀도 추정에서 10 배 이상의 속도 향상을 입증합니다.
이 논문은 혼잡으로 인한 이탈 (balking) 이 발생하는 단일 서버 대기열 시스템에서, 실제 도착 정보만을 활용하여 수익을 극대화하는 가격 결정 알고리즘을 제안하고, 이를 위해 새로운 IPA 기법을 통해 정상 상태 도착률을 일관되게 추정하여 최적 가격으로 수렴함을 증명합니다.
이 논문은 기존 선형화 근사 없이 기존 연속 최적화 솔버를 활용하여 단위 기동 (UC) 문제 해결 속도를 획기적으로 향상시키는 새로운 휴리스틱 기반 계산 방법을 제안하고, 데이터 센터와 같은 변동성이 큰 대규모 부하 및 소규모 분산 발전이 증가하는 미래 전력 시스템의 도전에 대응할 수 있음을 보여줍니다.
이 논문은 차원에서 -비용을 갖는 무작위 유클리드 조합 최적화 문제에 대해 포아송 불평등과 강건한 기하학적 메커니즘을 결합하여 최적해의 에지들에 대한 균일한 경계를 제공함으로써, 특정 조건 하에서 자연스러운 에너지 스케일 에서의 농도 불평등을 증명하고 전이 원리를 통해 농도 범위를 확장할 수 있는 가능성을 제시합니다.
이 논문은 저장장치와 재생에너지의 시간적 상호의존성과 불확실성을 고려하기 위해 이산 확률 프로그래밍을 도입하고, 뉴잉글랜드 시스템을 대상으로 대규모 몬테카를로 샘플링과 확률 분해 알고리즘을 통해 계산적으로 실행 가능한 자원 적정성 최적화 모델을 제안합니다.
이 논문은 PIPS-IPM++ 솔버에 통합된 분산 병렬 구조 인식 프리솔브 프레임워크를 제안하여, 화살표형 선형 계획법 (AHLP) 문제에서 기존 상용 솔버 및 최신 기법 대비 월등한 성능과 확장성을 입증했습니다.
이 논문은 연속 상태 공간의 강화학습을 위해 방문한 상태 - 행동 쌍에 기반한 부호 있는 경험 측도를 학습하고 커널 적분을 통해 Q 함수를 재구성하는 'Q-Measure-Learning' 알고리즘을 제안하며, 효율적인 구현과 수렴성을 이론적으로 증명하고 재고 관리 시나리오에서 그 성능을 검증합니다.
이 논문은 대수적 재조합을 통한 목적 함수의 재구성이 무작위 샘플링 기반의 '어떤 알고리즘도 모든 문제에 대해 우월하지 않다'는 NFL 정리의 전제를 위반하여 알고리즘 성능 순위와 군집 구조에 통계적으로 유의미한 변화를 일으킨다는 것을 실증적으로 규명합니다.