math.OC artigos | Gist.Science

Human-in-the-loop Energy and Thermal Management for Electric Racing Cars through Optimization-based Control

Este artigo apresenta um sistema de gerenciamento de energia e térmico para carros de corrida elétricos que, ao combinar otimização global em tempo real com um algoritmo de bissecção online e controle de feedback, ajusta em tempo real o sinal de "lift-off-throttle" para respeitar orçamentos energéticos e térmicos, resultando em tempos de prova apenas ligeiramente superiores à otimização offline ideal.

Erik van den Eshof, Jorn van Kampen, Mauro Salazar2026-03-05🔢 math

A Linear Parameter-Varying Framework for the Analysis of Time-Varying Optimization Algorithms

Este artigo propõe um quadro de análise baseado em sistemas lineares variantes no tempo (LPV) e restrições quadráticas integrais (IQC) para estabelecer limites quantitativos de erro de rastreamento em algoritmos de otimização iterativa de primeira ordem aplicados a problemas convexos variantes no tempo, demonstrando como essas ferramentas capturam a dependência da convergência em relação à variabilidade temporal do problema.

Fabian Jakob, Andrea Iannelli2026-03-05🔢 math

Geometry of Sparsity-Inducing Norms

Este artigo investiga normas duais generalizadas de suporte- $k$ derivadas de uma norma fonte para promover soluções com no máximo $k$ coordenadas não nulas, analisando suas propriedades geométricas e condições de identificação de suporte, com destaque para a estrutura de hipersimples nos faces das bolas unitárias quando a norma fonte pertence à família $\ell_p$ .

Jean-Philippe Chancelier, Michel de Lara, Antoine Deza + 1 more2026-03-05🔢 math

Bilevel gradient methods and the Morse parametric qualification condition

Este artigo introduz a condição de qualificação paramétrica de Morse para programação bilevel, estabelecendo-a como uma classe intermediária relevante entre níveis inferiores fortemente convexos e genericamente genéricos, e analisa dois algoritmos de gradiente: uma estratégia de passo único-múltiplo com propriedades ricas e uma estratégia de programação diferenciável inspirada em meta-aprendizado, que é mais simples de implementar mas menos estável.

Jérôme Bolte, Quoc-Tung Le, Edouard Pauwels + 1 more2026-03-05🔢 math

Fix-and-Propagate Heuristics Using Low-Precision First-Order LP Solutions for Large-Scale Mixed-Integer Linear Optimization

Este artigo propõe e avalia um heurístico de "fix-and-propagate" que utiliza soluções de baixa precisão de métodos de primeira ordem acelerados por GPU para resolver problemas de otimização de grande escala, demonstrando sua superioridade em encontrar soluções viáveis para problemas complexos de planejamento de despacho e expansão em menos de 4 horas, enquanto solvers comerciais falham em gerar soluções em dois dias.

Nils-Christian Kempke, Thorsten Koch2026-03-05🔢 math

Branch-and-Cut for Mixed-Integer Nash Equilibrium Problems

Este artigo apresenta um algoritmo de branch-and-cut que, ao reformular jogos com variáveis inteiras mistas como problemas bilevel, calcula um equilíbrio de Nash puro ou decide sua inexistência em tempo finito sob condições específicas, utilizando cortes de interseção para GNEPs e desigualdades de melhor resposta para NEPs.

Aloïs Duguet, Tobias Harks, Martin Schmidt + 1 more2026-03-05🔢 math

Federated ADMM from Bayesian Duality

Os autores propõem uma nova abordagem bayesiana que generaliza o método federado ADMM ao demonstrar que a estrutura de dualidade de objetivos variacionais de Bayes não apenas recupera as atualizações do ADMM, mas também gera extensões não triviais, como variantes do tipo Newton e Adam, que melhoram a precisão em cenários heterogêneos.

Thomas Möllenhoff, Siddharth Swaroop, Finale Doshi-Velez + 1 more2026-03-05🤖 cs.LG

Fast Equivariant Imaging: Acceleration for Unsupervised Learning via Augmented Lagrangian and Auxiliary PnP Denoisers

Este trabalho propõe o Fast Equivariant Imaging (FEI), um novo quadro de aprendizado não supervisionado que utiliza multiplicadores de Lagrange e desruidores Plug-and-Play para acelerar o treinamento de redes de imagem em até 10 vezes e melhorar o desempenho em tarefas como reconstrução de CT e preenchimento de imagens, sem a necessidade de dados com rótulos.

Guixian Xu, Jinglai Li, Junqi Tang2026-03-05🤖 cs.LG

Integral action for bilinear systems with application to counter current heat exchanger

Este estudo propõe e valida experimentalmente uma estratégia de controle robusto, baseada em um modelo de sistema bilinear e duas abordagens de realimentação (com observador de estado e lei integral pura), para regular a temperatura de saída de um trocador de calor de fluxo contra-corrente manipulando a vazão do fluido oposto.

Francesco Ripa, Daniele Astolfi, Boussad Hamroun + 1 more2026-03-05🔢 math

Constrained Stabilization on the n-Sphere with Conic and Star-shaped Constraints

Este artigo propõe uma estratégia de controle contínuo e invariante no tempo que garante a estabilização quase global de um estado na n-esfera para um alvo desejado, evitando simultaneamente regiões de restrição em forma de estrela através de uma lógica de navegação adaptativa baseada na proximidade do estado às zonas inseguras.

Mayur Sawant, Abdelhamid Tayebi2026-03-05🔢 math

Scalable Second-order Riemannian Optimization for $K$ -means Clustering

Este artigo propõe uma nova formulação do problema de agrupamento $K$ -means como uma otimização suave em uma variedade Riemanniana, permitindo o uso de um algoritmo de Newton com regularização cúbica de segunda ordem que resolve subproblemas em tempo linear e converge significativamente mais rápido que os métodos de primeira ordem existentes, mantendo a mesma precisão estatística.

Peng Xu, Chun-Ying Hou, Xiaohui Chen + 1 more2026-03-05🤖 cs.LG

Implicit Bias of Per-sample Adam on Separable Data: Departure from the Full-batch Regime

Este trabalho demonstra que o viés implícito do Adam com amostras individuais (incremental) em dados linearmente separáveis pode divergir do regime de lote completo, convergindo para classificadores de margem máxima em normas diferentes (como $\ell_2$ em vez de $\ell_\infty$ ) dependendo do conjunto de dados, ao contrário do Signum, que mantém invariância no viés para qualquer tamanho de lote.

Beomhan Baek, Minhak Song, Chulhee Yun2026-03-05🤖 cs.AI

Multiple Scale Methods For Optimization Of Discretized Continuous Functions

O artigo desenvolve um framework de otimização multiescala para funções contínuas discretizadas que, ao resolver problemas em grades progressivamente mais finas com inicialização por interpolação, garante limites de erro mais apertados e custos computacionais reduzidos em comparação com métodos de escala única, demonstrando ganhos de velocidade significativos em aplicações como estimação de densidade de probabilidade.

Nicholas J. E. Richardson, Noah Marusenko, Michael P. Friedlander2026-03-05🔢 math

A stochastic optimization algorithm for revenue maximization in a service system with balking customers

Este artigo propõe um algoritmo de otimização estocástica baseado em gradiente que maximiza a receita em um sistema de fila de servidor único com clientes que desistem (balking), utilizando uma nova técnica de Análise de Perturbação Infinitesimal (IPA) para estimar consistentemente a taxa de chegada efetiva e ajustar dinamicamente os preços com base apenas nas observações dos clientes que aderem ao sistema.

Shreehari Anand Bodas, Harsha Honnappa, Michel Mandjes + 1 more2026-03-05🔢 math

Fast Relax-and-Round Unit Commitment with Sub-hourly Mechanical and Ramp Constraints

Este artigo apresenta um novo método computacional heurístico para o compromisso de unidades que, ao dispensar aproximações linearizadas e utilizar solucionadores de otimização contínua existentes, oferece uma melhoria de desempenho de várias ordens de grandeza, viabilizando análises em escala anteriormente inviável para lidar com os desafios emergentes de sistemas de energia mais voláteis.

Shaked Regev, Eve Tsybina, Slaven Peles2026-03-05🔢 math

Concentration for random Euclidean combinatorial optimization

Os autores provam limites de concentração para problemas de otimização combinatória euclidiana aleatória com custos $p$ , estabelecendo concentração na escala natural $n^{1-p/d}$ para emparelhamento bipartido e o problema do caixeiro viajante em dimensões $d\ge 3$ quando $1\le p<d^2/2$, utilizando uma combinação de desigualdade de Poincaré e mecanismos geométricos robustos.

Matteo D'Achille, Francesco Mattesini, Dario Trevisan2026-03-05🔢 math

Stochastic Optimization for Resource Adequacy in Capacity Markets with Storage and Renewables

Este artigo propõe um modelo de programação estocástica de dois estágios para otimizar a contratação de capacidade em mercados com armazenamento e renováveis, demonstrando que a integração de amostragem Monte Carlo detalhada cronologicamente permite avaliar a confiabilidade do sistema em escala realista com precisão estatística controlada.

Baptiste Rabecq, Andy Sun, Feng Zhao + 3 more2026-03-05🔢 math

Distributed Parallel Structure-Aware Presolving for Arrowhead Linear Programs

Os autores apresentam um framework de presolve paralelo e estruturalmente consciente, integrado ao solver PIPS-IPM++, que demonstra alta escalabilidade e desempenho superior em programas lineares de formato "arrowhead" em ambientes de computação de alto desempenho, superando significativamente implementações de estado da arte como PaPILO e Gurobi.

Nils-Christian Kempke, Stephen J Maher, Daniel Rehfeldt + 3 more2026-03-05🔢 math

Q-Measure-Learning for Continuous State RL: Efficient Implementation and Convergence

Este artigo propõe o Q-Measure-Learning, um método eficiente para aprendizado por reforço em espaços de estado contínuos que utiliza uma medida empírica assinada e integração por kernel para alcançar convergência quase certa e reduzir a complexidade computacional, sendo validado em um cenário de controle de inventário.

Shengbo Wang2026-03-05🤖 cs.LG

Empirical Evaluation of No Free Lunch Violations in Permutation-Based Optimization

Este artigo demonstra que a reformulação algébrica de funções objetivo e o desenho de benchmarks podem gerar desvios locais estruturados da intuição do Teorema "No Free Lunch", criando reclassificações estáveis e padrões de desempenho que exigem uma escolha de algoritmos consciente tanto da classe de problemas quanto da representação do objetivo.

Grzegorz Sroka2026-03-05🔢 math

← Anterior Próximo →

math.OC