342 papers
Dit artikel onthult dat gradiëntstroom in softmax-gebaseerde modellen, zoals die in transformers worden gebruikt, de optimalisatie inherent stuurt naar oplossingen met lage entropie, wat een theoretisch mechanisme biedt voor fenomenen als attention sinks en massale activaties.
Deze paper introduceert een nieuwe variant van het lijn-gebaseerde dial-a-ride-probleem zonder tijdsvensters en lost dit op met een branch-and-price-algoritme dat winstgevende stoppatronen genereert, waarbij een root-node-heuristiek binnen 15 minuten zeer effectieve oplossingen biedt voor grote praktijkproblemen.
Dit artikel herinterpreteert het vinden van NP-getuigen als een informatieverwervingsproces en toont in het 'psocid'-model aan dat de fundamentele beperking van gelijkheidsprobes, die slechts verwaarloosbaar weinig wederzijdse informatie onthullen, leidt tot een onoverbrugbare kloof tussen de benodigde en verkregen informatie, waardoor de exponentiële complexiteit van de zoektocht wordt verklaard.
Deze paper introduceert ALFCG, het eerste adaptieve projectievrije raamwerk voor stochastische compositieve niet-convexe optimalisatie dat noch globale gladheidsconstanten noch lijnzoeken vereist, en dat via variatie-reductie en momentum optimale iteratiecomplexiteit bereikt die de bestaande methoden overtreft.
Dit artikel presenteert een optimalisatieformulering van het Red Light Green Light-algoritme voor het berekenen van stationaire verdelingen van grote Markov-ketens via Dirichlet-energieminimalisatie, wat de convergentie verklaart en versnelt.
Dit artikel toont aan dat een begrip van hogere-orde normaliteit, gebaseerd op geïtereerde Lie-haken van vectorvelden, voldoende is om een infimumkloof te voorkomen in impulsieve optimalisatieproblemen met -controle-topologie, wat een belangrijk onderscheid vormt met eerdere resultaten die vaak op -trajecttopologieën waren gebaseerd.
Dit artikel bewijst dat de bovengrens van de stapgrootte voor Popov's algoritme bij het oplossen van (pseudo-)monotone variatie-ongelijkheden scherp is, waarbij deze voor het onbeperkte geval kan worden vergroot tot , een resultaat dat wordt onderbouwd door een nieuw Lyapunov-type functie.
Dit artikel presenteert een co-ontwerpframework dat privacy en netwerktopologie voor multi-agent formatiebesturing gelijktijdig optimaliseert om de prestatieverliezen door differentieel private bescherming te minimaliseren.
Dit artikel introduceert en analyseert de gegeneraliseerde multiplicatieve gradiëntmethode voor een klasse van convex optimalisatieproblemen over symmetrische kegels, waarbij wordt aangetoond dat deze methode een convergentiesnelheid van bereikt en onder bepaalde aannames superieure computationele complexiteit biedt ten opzichte van bestaande eerste-orde methoden.
Dit artikel introduceert een distributie-robust framework voor het vliegveldgrondholdingsprobleem onder Wasserstein-ambiguiteitssets, dat een nieuw dual-bisection en primal recovery-algoritme combineert met de integer L-vorm-methode om aanzienlijke rekensnelheidsverbeteringen te bereiken en de weerbaarheid van beslissingen bij capaciteitsonzekerheid te vergroten.
Deze studie gebruikt een inverse optimalisatiebenadering op een Markov-beslissingsproces om aan te tonen dat NFL-coaches doorgaans conservatieve risicopreferenties hanteren bij vierde-down-beslissingen, hoewel deze tolerantie toeneemt op het veld van de tegenstander en door de jaren heen.
Dit artikel introduceert twee nieuwe nulde-orde algoritmen, ZO-PDAPG en ZO-RMPDPG, voor het oplossen van niet-convexe minimax-problemen met gekoppelde lineaire constraints, waarbij voor het eerst iteratiecomplexiteitsgaranties worden bewezen die bovendien de huidige staat van de techniek verbeteren.
Deze paper introduceert Orthonormal Data Collaboration (ODC), een methode die door het afdwingen van orthonormale bases de uitlijning van gedeelde projecties reduceert tot een gesloten-formule oplossing, waardoor de nauwkeurigheid en stabiliteit van Data Collaboration aanzienlijk worden verbeterd en de rekentijd tot 100 keer wordt verkort zonder de privacy of communicatiepatronen te schenden.
Dit artikel introduceert Robuuste Control Lyapunov-Value Functions (R-CLVFs) voor niet-lineaire systemen met verstoringen, die de kleinste robuust controlerbaar invariantie-set identificeren en stabiliseren, terwijl het ook methoden biedt om de berekeningscomplexiteit te verminderen.
Dit artikel introduceert en analyseert stochastische greedy-algoritmen, namelijk MRG, DRG en Random-WSSA, om budget- en prestatie-beperkte zwak submodulaire sensorselectieproblemen met robuustheidseisen efficiënt op te lossen, met een specifieke toepassing op aardobservatie-satellietconstellaties.
Dit artikel introduceert een nieuw, rekenefficiënt algoritme voor multi-task submodulaire subsetselectie dat lokale distributie-robuustheid bereikt door relatieve-entropy regularisatie, wat leidt tot een oplossing die een betere balans biedt tussen prestatie en robuustheid dan bestaande methoden.
Dit artikel bewijst dat de waardenfunctie van een klasse van oneindig-dimensionale singuliere stochastische controleproblemen een -viscositeitsoplossing is van een variatiële ongelijkheid en dat onder specifieke voorwaarden een tweede-orde smooth-fit-principe geldt voor de gerichte afgeleide in de gecontroleerde richting.
Dit artikel presenteert een asymptotisch optimaal algoritme voor online leren en optimalisatie met onomkeerbare beslissingen, waarbij een constructieve policy met beperkte exploratie gevolgd door snelle exploitatie de regret sublineair laat groeien terwijl de classifier convergeert naar de Bayes-optimale oplossing.
Dit artikel presenteert noodzakelijke en voldoende voorwaarden voor de input-to-state stabiliteit (ISS) van impulsieve geschakelde systemen met zowel stabiele als instabiele modi, door het gebruik van tijdsvariërende ISS-Lyapunov-functies onder minder restrictieve schakelvoorwaarden dan eerdere studies.
Dit artikel onderzoekt de fundamentele eigenschappen van paraconvexe functies en de convergentie van geprojecteerde subgradiëntmethoden voor deze klasse, waarbij de theoretische resultaten worden gevalideerd door numerieke experimenten op robuuste laag-rang matrixherstelproblemen.