315 artigos
O artigo propõe o método ALMTON, uma nova abordagem de otimização não convexa que utiliza subproblemas de programação semidefinida adaptativa para garantir convergência global e complexidade sem recorrer a termos de regularização quárticos, superando em consistência e eficiência as implementações de terceira ordem existentes.
Este artigo propõe um algoritmo de aprendizado por reforço livre de modelo para otimização de valor-at-risco condicional (CVaR) de longo prazo em processos de decisão de Markov, o qual utiliza uma equação de Bellman específica para garantir convergência quase certa e uma taxa de erro de ordem O(1/n) baseada em uma única trajetória amostral.
Este artigo investiga as dinâmicas e a colheita ótima de populações estruturadas por idade, contrastando os mecanismos de controle por taxa (remoção aditiva) e por esforço (mortalidade multiplicativa dependente do tamanho agregado), demonstrando como a dependência do estoque total no segundo modelo altera estruturalmente o sistema de otimalidade ao introduzir um termo de acoplamento não local na equação adjunta.
Este artigo investiga a bem-postura, controlabilidade e estabilização de sistemas em cascata acoplados, utilizando como exemplo prototípico um sistema de equações de calor e onda unidimensionais, e demonstra resultados de controlabilidade exata simultânea e estabilização polinomial dentro de uma estrutura abstrata de sistemas lineares invariantes no tempo.
Este artigo investiga problemas de otimização para funcionais que relacionam o primeiro autovalor e a rigidez à torção induzidos por energias variacionais anisotrópicas, analisando a minimização e maximização desses funcionais em relação à seminorma controladora.
Este artigo propõe o uso do algoritmo Velocity Verlet, inspirado na dinâmica molecular clássica, para otimizar os parâmetros do Variational Quantum Eigensolver (VQE), demonstrando maior eficiência e precisão na obtenção de energias moleculares para H₂ e LiH em comparação com otimizadores padrão.
Este artigo demonstra que desigualdades lineares esparsas, que aproximam externamente o cone semidefinido positivo, geram relaxações de programação linear que fornecem os mesmos limites que as relaxações de programação semidefinida, acelerando assim métodos de ramificação e limite para resolver problemas de otimização não convexa.
O artigo apresenta o OptEMA, um otimizador adaptativo baseado em Média Móvel Exponencial que, ao eliminar a necessidade de constantes de Lipschitz e parâmetros pré-definidos, garante taxas de convergência quase ótimas no regime sem ruído e adaptativas ao nível de ruído sob condições padrão de descida de gradiente estocástica.
Este artigo propõe uma nova família de normas de operador normalizadas por média que permitem o controle independente da largura das constantes de Lipschitz e suavidade, resultando no otimizador MOGA, que garante transferência estável de taxas de aprendizado entre diferentes larguras de modelo e supera o Muon em regimes de baixa perda e grandes tokens.
Este artigo propõe um modelo de otimização bilevel e cinco algoritmos heurísticos eficientes para o projeto de redes de transporte em grande escala que integram a demanda latente, demonstrando por meio de estudos de caso reais que essas heurísticas encontram soluções de alta qualidade mais rapidamente do que abordagens exatas, ao mesmo tempo que satisfazem propriedades desejáveis de adoção pelos usuários.
Este artigo estabelece garantias de amostragem finita para um método de aprendizado de representação de estado orientado a custos que, ao prever custos multietapa sem modelar observações ou ações, permite encontrar controladores e representações latentes quase ótimos para problemas de controle Linear Quadrático Gaussiano (LQG) de horizonte finito.
Este trabalho apresenta uma formulação port-Hamiltoniana mínima para sistemas de partículas interagentes e seu limite de campo médio, corrigindo erros anteriores sobre a compacidade das trajetórias e estabelecendo novas perspectivas sobre estabilidade uniforme e acoplamento de espécies.
Este artigo propõe uma política de controle preditivo baseado em modelo (MPC) para gerenciar a operação de baterias em residências conectadas à rede e minimizar custos elétricos sob tarifas de pico escalonadas, demonstrando experimentalmente que a solução alcança um custo apenas 1,7% acima do limite teórico ótimo.
Este artigo investiga a estabilidade distribucional de estimadores esparsos da matriz de precisão sob dados contaminados, derivando limites de Lipschitz locais explícitos para a distância entre distribuições medidas pela métrica de Kantorovich e apresentando resultados análogos para estimadores de covariância e autovalores, além de discussões sobre aplicações e experimentos numéricos.
O artigo apresenta o OTAD, um modelo de defesa adversarial robusto que combina treinamento de redes neurais com regularização baseada em transporte ótimo e interpolação via problema de integração convexa para garantir continuidade de Lipschitz local, superando modelos existentes em diversos conjuntos de dados.
Este artigo propõe novos heurísticos e uma abordagem de "rollout" para otimizar a seleção e realocação de ambulâncias sob incerteza, demonstrando, através de dados reais de uma grande cidade, que esses métodos superam técnicas existentes ao melhorar os tempos de resposta e permitir decisões em tempo real.
Este artigo estabelece que, para uma classe de MDPs de horizonte finito com espaços de estado e ação gerais, o problema de otimização de políticas satisfaz a condição Polyak-Łojasiewicz-Kurdyka, garantindo a convergência global não assintótica de métodos de gradiente de política com complexidade de amostra e fornecendo as primeiras garantias teóricas para sistemas de inventário e saldos de caixa estocásticos.
Este artigo analisa a robustez de políticas ótimas em processos de decisão de Markov sob aproximação de modelo baseada na distância de Wasserstein, estabelecendo limites de perda de desempenho e complexidade de amostragem que são particularmente úteis para aprendizado empírico de modelos e distribuições de ruído onde critérios de convergência mais fortes não se aplicam.
Este trabalho oferece uma nova perspectiva de análise variacional para funções parcialmente suaves de classe , estabelecendo sua relação com a epi-diferenciabilidade estrita de segunda ordem, calculando sua segunda subderivada e demonstrando aplicações na análise de estabilidade de equações generalizadas e no método de aproximação média amostral para programas estocásticos.
Este trabalho apresenta soluções explícitas para problemas de regulador linear minimax em sistemas positivos de tempo contínuo, utilizando programação dinâmica para lidar com perturbações não negativas e limitadas, além de propor um método de ponto fixo para o horizonte infinito e validar a escalabilidade da abordagem em uma rede de gestão de água.