math.OC papers | Gist.Science

New Results on the Polyak Stepsize: Tight Convergence Analysis and Universal Function Classes

Dit artikel heronderzoekt de Polyak-stapgrootte voor gradientenafstijging door de nauwkeurigheid van de bekende convergentiesnelheden te bewijzen via constructie van worst-case functies, het theoretisch aantonen dat drijvende-kommafouten helpen om deze worst-case scenario's te ontvluchten, en het leveren van nieuwe universele convergentiegaranties die automatisch inspelen op verschillende functieklassen zonder voorafgaande kennis van probleemparameters.

Chang He, Wenzhi Gao, Bo Jiang, Madeleine Udell, Shuzhong ZhangTue, 10 Ma🔢 math

Deployable Prototype Testing and Control Allocation of the CABLESSail Concept for Solar Sail Shape Control and Momentum Management

Dit artikel presenteert prototype-tests en een computerefficiënt toewijzingsalgoritme voor het CABLESSail-concept, dat via bedrade kabels de vorm van een zonnezeil regelt om momentummanagement en robuuste koppelgeneratie mogelijk te maken.

Soojeong Lee, Michael States, Keegan R. Bunker, Ryan J. CaverlyTue, 10 Ma🔬 physics

Stratification for Nonlinear Semidefinite Programming

Dit artikel introduceert een stratificatieramwerk voor niet-lineaire semidefiniete programmering dat de geometrie van het niet-gladde KKT-systeem onthult en benut, waarbij het een gevarieerde analyse ontwikkelt met verifieerbare regulariteitsvoorwaarden en een stratificatie-Gauss-Newton-algoritme voorstelt dat gegarandeerd convergeert naar stationaire punten en lokaal kwadratische convergentie bereikt onder specifieke voorwaarden.

Chenglong Bao, Chao Ding, Fuxiaoyue Feng, Jingyu LiTue, 10 Ma🔢 math

Informal and Privatized Transit: Incentives, Efficiency and Coordination

Dit artikel ontwikkelt een speltheoretisch model om de prikkels van informele en geprivatiseerde vervoerssystemen te analyseren en toont aan dat gerichte ingrepen, zoals Stackelberg-routing en cross-subsidiëring, de efficiëntieverliezen door gedecentraliseerd winstmaximerend gedrag kunnen beperken.

Devansh Jalota, Matthew TsaoTue, 10 Ma🔢 math

Joint Majorization-Minimization for Nonnegative CP and Tucker Decompositions under $\beta$ -Divergences: Unfolding-Free Updates

Dit artikel introduceert een unfoldingsvrije majorisatie-minimisatie-methode voor niet-negatieve CP- en Tucker-tensorontbindingen onder $\beta$ -divergenties, die gebruikmaakt van tensorcontracties en een gezamenlijke strategie voor snellere convergentie en lagere rekentijd.

Valentin LeplatTue, 10 Ma🔢 math

Computing Kurdyka-Łojasiewicz exponents via composition and symmetry

Dit artikel introduceert een calculus voor Kurdyka-Łojasiewicz-exponenten gebaseerd op rangtheorema's en Lie-groepswerkingen, die een verenigd raamwerk biedt voor het bewijzen van lineaire convergentie van algoritmen in matrixfactorisatie en lineaire neurale netwerken zonder afhankelijkheid van gladheid of Hessiaan-berekeningen.

Cédric Josz, Wenqing OuyangTue, 10 Ma🔢 math

Optimal Consumption and Portfolio Choice with No-Borrowing Constraint in the Kim-Omberg Model

Dit artikel onderzoekt de optimale consumptie- en portefeuillekeuze onder een verbod op lenen in het Kim-Omberg-model, waarbij het probleem via Lagrange-dualiteit wordt getransformeerd naar een singuliere controleprobleem dat wordt opgelost met behulp van een tweedimensionaal optimale-stoppingsprobleem met stochastische volatiliteit.

Giorgio Ferrari, Tim Niclas SchützTue, 10 Ma🔢 math

A Geometrically Convergent Solution to Spatial Hypercube Queueing Models

Dit artikel introduceert een exacte, geometrisch convergente en parallelle algoritme voor ruimtelijke hyperkubus-wachtrijmodellen met heterogene servicepercentages, dat aanzienlijk sneller en schaalbaarder is dan bestaande methoden voor grote nooddienstsystemen.

Cheng Hua, Jun Luo, Arthur J. Swersey, Yixing WenTue, 10 Ma🔢 math

Distributionally Robust Geometric Joint Chance-Constrained Optimization: Neurodynamic Approaches

Dit artikel introduceert een tweestaps neurodynamische aanpak op basis van projectievergelijkingen om distributie-robuste geometrische gezamenlijke kansbeperkte optimalisatieproblemen op te lossen, waarbij onbekende verdelingen binnen onzekerheidssets worden behandeld en convergentie naar het globale optimum wordt gegarandeerd zonder gebruik van traditionele methoden.

Ange Valli (L2S), Siham Tassouli (OPTIM), Abdel Lisser (L2S)Tue, 10 Ma🔢 math

Integrated Investment and Operational Planning for Sugarcane-Based Biofuels and Bioelectricity under Market Uncertainty

Dit artikel presenteert een tweestaps-stochastisch optimalisatiemodel, geïmplementeerd in het open-source framework OptBio, dat investeringen en operationele planning voor Braziliaanse suikerrietfaciliteiten optimaliseert onder marktonzekerheid om risicogestuurde strategieën voor de energietransitie te ondersteunen.

Carolina Monteiro, Bruno Fanzeres, Rafael Kelman, Raphael Araujo Sampaio, Luana Gaspar, Lucas Bacellar, Joaquim Dias GarciaTue, 10 Ma🔢 math

Learning-Based Robust Control: Unifying Exploration and Distributional Robustness for Reliable Robotics via Free Energy

Dit artikel introduceert een op het vrije-energieprincipe gebaseerd model voor robuuste robotbesturing dat omgeving-dynamica en beloningen gezamenlijk leert om epistemische onzekerheid te overwinnen, waardoor een nauwe sim-naar-real-kloof wordt bereikt en betrouwbare, aanpassingsvrije manipulatie in de echte wereld mogelijk wordt.

Hozefa Jesawada, Giovanni Russo, Abdalla Swikir, Fares Abu-DakkaTue, 10 Ma🔢 math

A Gauss-Newton Method with No Additional PDE Solves Beyond Gradient Evaluation for Large-Scale PDE-Constrained Inverse Problems

Dit artikel presenteert een Gauss-Newton-methode voor PDE-geconstrueerde inverse problemen, zoals Full-Waveform Inversie, die de convergentiesnelheid van Gauss-Newton combineert met de efficiëntie van gradiëntmethoden door geen extra PDE-oplossingen te vereisen dan die voor de gradiëntberekening.

Cash Cherry, Samy Wu Fung, Luis Tenorio, Ebru Bozda\u{g}Tue, 10 Ma🔢 math

A Note on the Gradient-Evaluation Sequence in Accelerated Gradient Methods

Dit artikel bevestigt dat de sequentie van gradiënt-evaluaties in Nesterov's versnelde gradiëntmethode ook de optimale iteratiecomplexiteit van $\mathcal{O}(L/k^2)$ bereikt voor convex gladde optimalisatieproblemen, inclusief in niet-Euclidische en beperkte settings.

Yan Wu, Yipeng Zhang, Lu Liu, Yuyuan OuyangTue, 10 Ma🔢 math

Joint MDPs and Reinforcement Learning in Coupled-Dynamics Environments

Dit paper introduceert 'Joint MDPs' (JMDPs) als een formalisme voor omgevingen met gekoppelde dynamica, waarbij een multi-action sample-overgangsmodel de gezamenlijke verdeling van tegenwerkelijke uitkomsten definieert en zo dynamic programming-algoritmen met convergentiegaranties mogelijk maakt voor hogere orde momenten van de return.

Ege C. Kaya, Mahsa Ghasemi, Abolfazl HashemiTue, 10 Ma🤖 cs.LG

A geometric simplex method in infinite-dimensional spaces

Dit artikel breidt de geometrische elementen van de simplex-methode uit naar lineaire programmering in lokaal convexe topologische vectorruimten, waarbij het door het vermijden van algebraïsche pivotmechanismen convergentie garandeert en een definitie van polytopen biedt die extreme punten en randpaden omvat, zelfs in complexe oneindig-dimensionale ruimten zoals de Hilbert-cube.

Robert L Smith, Christopher Thomas RyanTue, 10 Ma🔢 math

A unified high-resolution ODE framework for first-order methods

Dit artikel introduceert een geavanceerd ODE-framework met hoge resolutie voor versnelde eerste-orde methoden met momentum, waardoor dieper inzicht wordt verkregen in hun convergentie-eigenschappen en bewezen convergente modificaties worden ontwikkeld die de globale optimale convergentiesnelheid bereiken.

Lixia Wang, Hao LuoTue, 10 Ma🔢 math

Second-order geometry and Riemannian Newton's method for optimization on the indefinite Stiefel manifold

Dit artikel presenteert een gedetailleerde implementatie van de Riemanniaanse Newton-methode voor optimalisatie op de indefinit Stiefel-maand, waarbij de tweede-orde meetkunde wordt geanalyseerd om een analytische Hessiaan af te leiden die efficiënt wordt opgelost met de lineaire geconjugeerde gradiëntmethode.

Hiroyuki SatoTue, 10 Ma🔢 math

Inexact Bregman Sparse Newton Method for Efficient Optimal Transport

Dit artikel introduceert de Inexact Bregman Sparse Newton (IBSN)-methode, een efficiënt algoritme dat exacte Optimal Transport-problemen oplost met hoge nauwkeurigheid en snelheid door een Bregman-proximaal punt-framework te combineren met een versneld, spaarzaam Newton-oplossingsmechanisme.

Jianting Pan, Ji'an Li, Ming YanTue, 10 Ma🔢 math

Online Bidding for Contextual First-Price Auctions with Budgets under One-Sided Information Feedback

Dit artikel introduceert een nieuw biedalgoritme voor contextuele eerste-prijsveilingen met budgetbeperkingen en eenzijdige feedback, dat gebruikmaakt van een robuuste regressiemethode op basis van kwantielinvariantie om een optimale regret van $\widetilde{O}(\sqrt{T})$ te bereiken.

Zeng Fu, Jiashuo Jiang, Yuan ZhouTue, 10 Ma🔢 math

One-parametric series of SO(1,1)-symmetric (sub-)Lorentzian structures on the universal covering of SL(2,R)

Dit artikel onderzoekt een één-parametrische reeks linksinvariante Lorentziaanse structuren met SO(1,1)-symmetrie op de universele overdekking van SL(2,R), waarbij de globale optimaliteit van geodeten wordt geanalyseerd en de overgang naar een sub-Lorentziaanse structuur als limietgeval wordt bestudeerd.

A. V. PodobryaevTue, 10 Ma🔢 math

← Vorige Volgende →

math.OC