Human-in-the-loop Energy and Thermal Management for Electric Racing Cars through Optimization-based Control
本文提出了一种面向电动赛车的实时人机协同能量与热管理系统，通过结合离线全局优化、基于共态轨迹阈值的在线二分法整定及 PI 反馈控制，在满足能量预算和热约束的同时，实现了仅比离线最优解慢 0.056% 至 0.22% 的高效驾驶策略。
🔢 Category
math.OC
342 篇论文
A Linear Parameter-Varying Framework for the Analysis of Time-Varying Optimization Algorithms
本文提出了一种基于线性参数变化（LPV）框架和积分二次约束（IQCs）的分析方法，用于推导时间变化凸优化算法在强凸且梯度 Lipschitz 连续条件下的跟踪误差定量界，该界不仅依赖于问题的时间变异性，还引入了函数值及梯度变化率等新的度量指标。
Geometry of Sparsity-Inducing Norms
本文通过研究由任意源范数导出的广义-支持对偶范数，分析了其单位球的几何性质（特别是其真面均为超单纯形），并给出了利用此类范数作为惩罚项以诱导-稀疏解的充分条件。
Bilevel gradient methods and the Morse parametric qualification condition
本文引入了用于双层规划的 Morse 参数化约束条件，将此类问题确立为介于强凸与完全通用下层之间的关键中间类，并在此基础上分析了包含单步多步策略与可微编程策略的两种双层梯度算法的收敛性与特性。
Fix-and-Propagate Heuristics Using Low-Precision First-Order LP Solutions for Large-Scale Mixed-Integer Linear Optimization
该论文提出了一种利用 GPU 加速的低精度一阶线性规划解来驱动“固定与传播”启发式算法的新框架，实验证明该方法在 MIPLIB 2017 基准测试中保持了求解质量，并能高效解决大规模机组组合问题，其求解速度远超现有商业求解器。
Branch-and-Cut for Mixed-Integer Nash Equilibrium Problems
本文提出了一种针对混合整数纳什均衡问题（包括标准型与广义型）的分支切割算法，该算法通过利用 Nikaido-Isoda 函数将博弈重构为双层优化问题，并结合特定的割平面策略，在有限步内计算出纯纳什均衡或判定其不存在。
Federated ADMM from Bayesian Duality
本文提出了一种基于贝叶斯对偶性的新方法，通过变分贝叶斯目标函数的优化统一并推广了联邦 ADMM 算法，使其在保持原有结构的同时，能够针对高斯分布及更广泛的指数族分布衍生出具有更快收敛速度或更高精度的新型变体。
Fast Equivariant Imaging: Acceleration for Unsupervised Learning via Augmented Lagrangian and Auxiliary PnP Denoisers
本文提出了一种名为快速等变成像（FEI）的新型无监督学习框架，该方法通过结合拉格朗日乘子法与即插即用去噪器，在无需真实标签数据的情况下，实现了比传统等变成像快约 10 倍的训练速度，并显著提升了 X 射线 CT 重建和图像修复等任务的性能及泛化能力。
Integral action for bilinear systems with application to counter current heat exchanger
本文提出了一种针对逆流换热器的鲁棒控制策略，通过建立基于均匀空间离散的双线性系统模型，设计了包含状态观测器的输出反馈控制器和纯积分控制律，并利用真实实验验证了其在调节流体出口温度方面的有效性。
Constrained Stabilization on the n-Sphere with Conic and Star-shaped Constraints
本文提出了一种针对 n 球面上星形约束区域的连续时不变反馈控制策略，通过根据状态与不安全区域的邻近程度选择沿测地线趋近目标或转向特定不安全区域内部点的反极，实现了目标点的几乎全局渐近稳定。
Scalable Second-order Riemannian Optimization for -means Clustering
本文提出了一种将 -means 聚类问题重构为子流形上的光滑无约束优化问题的新框架，通过利用二阶立方正则化黎曼牛顿算法及流形分解技术，实现了在保持统计最优性的同时显著超越现有一阶方法的收敛速度。
Implicit Bias of Per-sample Adam on Separable Data: Departure from the Full-batch Regime
该论文揭示了在可分数据上，单样本（增量式）Adam 优化器的隐式偏差会显著偏离全批量模式，可能收敛至最大间隔分类器，其具体偏差取决于批处理策略与数据集特性，而 Signum 算法则对所有批量大小均保持最大间隔偏差。
Multiple Scale Methods For Optimization Of Discretized Continuous Functions
本文提出了一种针对 Lipschitz 连续函数空间的多尺度优化框架，通过在粗网格求解后利用线性插值预热细网格投影梯度下降，在理论上证明了其相比单尺度优化具有更紧的误差界和更低的计算成本，并在概率密度估计等数值实验中实现了数量级以上的加速。
A stochastic optimization algorithm for revenue maximization in a service system with balking customers
本文提出了一种基于随机梯度下降的动态定价算法，通过利用仅可观测的有效到达信息并结合新颖的无穷小扰动分析（IPA）方法来估计稳态到达率，从而在考虑顾客因拥堵而放弃加入（balking）的单服务器服务系统中实现单位时间期望收益的最大化。
Fast Relax-and-Round Unit Commitment with Sub-hourly Mechanical and Ramp Constraints
本文提出了一种无需线性化近似、利用专用启发式算法实现数量级性能提升的新型机组组合计算方法，该方法可借助现有连续优化求解器解决当前工具无法应对的大规模电力系统机组组合难题，以应对数据中心等波动性负荷及分布式电源带来的新挑战。
Concentration for random Euclidean combinatorial optimization
本文证明了在维度 下，当 $1 \le p < d^2/2n^{1-p/d}p \ge 1$ 的猜想性转移原理。
Stochastic Optimization for Resource Adequacy in Capacity Markets with Storage and Renewables
本文提出了一种考虑储能时间耦合特性及可再生能源随机性的两阶段随机规划模型，通过随机分解算法在纽英格兰系统上实现了大规模蒙特卡洛样本下的容量采购优化，证明了将详细时序不确定性纳入容量市场决策的可行性与计算效率。
Distributed Parallel Structure-Aware Presolving for Arrowhead Linear Programs
本文提出了一种专为箭头头线性规划（AHLPs）设计的分布式并行结构感知预求解框架，该框架集成于 PIPS-IPM++ 求解器中，通过利用问题的分布式存储结构显著降低了通信开销，并在单节点及分布式环境下分别实现了远超 PaPILO 和 Gurobi 等现有最先进预求解技术的运行效率。
Q-Measure-Learning for Continuous State RL: Efficient Implementation and Convergence
本文提出了一种名为 Q-Measure-Learning 的新方法，用于解决连续状态空间下的在线强化学习问题，该方法通过耦合随机逼近学习支持于访问状态 - 动作对的符号经验测度并借助核积分重构 Q 值，实现了 的时空效率，并在均匀遍历性假设下证明了其收敛性及近似误差界。
Empirical Evaluation of No Free Lunch Violations in Permutation-Based Optimization
本文通过实证研究证明，在基于排列的优化问题中，目标函数的代数重构（如求和与求差）会破坏无免费午餐定理所依赖的均匀采样对称性，导致算法性能排序发生显著且结构化的偏移，从而表明算法选择必须同时考虑问题类别与目标函数的具体表示形式。