On the solvability of parameter estimation-based observers for nonlinear systems
本文通过深入分析变换性与可辨识性这两个关键属性，为参数估计观测器（PEBO）在一般非线性系统中的存在性提供了充分条件。
🔢 Category
math.OC
304 篇论文
Adaptive Polyak Stepsize with Level-value Adjustment for Distributed Optimization
本文提出了一种名为 DPS-LA 的新型分布式自适应 Polyak 步长算法，通过引入水平值调整机制使智能体仅需求解线性可行性问题即可摆脱对全局最优值的依赖，从而在保证网络共识的同时实现了线性加速的收敛速率。
Telehealth Control Policies: Bridging the Gap Between Patients and Doctors
本文研究了 CVS MinuteClinic 模式下护士通过远程医疗与全科医生协作的决策问题，揭示了最优策略的复杂结构，并设计了计算高效、鲁棒性强且性能接近最优的启发式算法，为优化远程医疗资源配置提供了理论依据与实践指导。
On the Closed-Form Solution for Robust Adaptive Beamforming
本文提出了一种包含对角化变换、相位对齐和 KKT 求解三个阶段的新型闭式解法，旨在解决经典鲁棒自适应波束成形问题，该方法不仅比 MOSEK 求解器更高效、比 RMVB 算法更简洁且能处理秩亏协方差情形，还首次揭示了该问题的解存在性与唯一性条件。
On Real-Time Feasibility of High-Rate MPC using an Active-Set Method on Nano-Quadcopters
该论文通过实验证明，在资源受限的 Crazyflie 2.1 微型四旋翼飞行器上，基于 DAQP 的双主动集求解器能以 500 Hz 频率运行并优于 TinyMPC，同时结合主成分分析的数据驱动集选择方法实现了该求解器的离线实时可行性认证。
SHANG++: Robust Stochastic Acceleration under Multiplicative Noise
本文提出了 SHANG 和 SHANG++ 两种加速随机梯度下降算法，通过离散化 Hessian 驱动的 Nesterov 加速流，在乘性噪声条件下显著提升了收敛速度与鲁棒性，并在深度学习任务中展现出优于现有方法的性能。
Amplitude Dependent Bode Diagrams via Scaled Relative Graphs
本文提出了一种基于缩放相对图（SRG）和索伯列夫理论的方法，通过限制输入频率和能量范围来计算非线性 Lur'e 系统的增益界，从而构建出一种将增益表示为频率和能量函数的三维非线性 Bode 图，该方法在特定输入集上比传统全空间分析更具优势，且能退化为线性 Bode 图或增益。
Convex Duality Made Difficult
本文旨在通过构建以优化问题为对象的范畴，利用范畴论方法重新推导凸优化中的极小极大定理及凸函数的勒让德对偶自反性（即(f*)*=f）等经典结果。
Faster Stochastic ADMM for Nonsmooth Composite Convex Optimization in Hilbert Space
本文提出了一种用于希尔伯特空间中非光滑复合随机凸优化问题的随机交替方向乘子法，证明了其在强凸情形下的强收敛性，并给出了强凸及一般凸情形下函数值和可行性违反的非遍历更快收敛速率，同时展示了该方法在偏微分方程随机系数约束问题中的应用及数值效率。
Mollified Christoffel-Darboux Kernels and Density Recovery on Varieties
本文引入了流形上的磨光 Christoffel-Darboux 核，通过系统正则化经典核函数，不仅实现了支撑集内外性质的显著改善（即内部一致有界、外部指数增长），还无需预先知晓平衡测度即可从矩数据中定量恢复密度，并给出了欧氏空间及单位球面上的具体收敛速率。
Fairness in Robust Unit Commitment Problem Considering Suppression of Renewable Energy
本文提出了一种考虑公平性的可再生能源鲁棒优化模型（RE-RPfair），旨在通过引入基尼系数衡量并实现光伏抑制量在不同光伏源之间的公平分配，从而解决传统单位承诺问题中可再生能源的不确定性挑战。
An Integer Linear Programming Model for the Evolomino Puzzle
本文针对日本 Nikoli 公司推出的逻辑谜题“演化多米诺”（Evolomino），建立了整数线性规划模型以形式化其演化、连通性及一致性规则，并设计了基于该模型的随机谜题生成算法，实验证明该框架能有效确保谜题解的唯一性，且利用 CP-SAT 求解器可在极短时间内解决高达 18×18 规模的实例。
Dirichlet control problems with energy regularization governed by non-coercive elliptic equations
本文研究了由非强制椭圆方程控制、定义在可能非凸多边形区域上的线性二次 Dirichlet 控制问题，通过引入能量范数正则化、加权 Sobolev 空间正则性分析、非凸网格上的有限元离散化以及 离散投影，证明了离散问题的强凸性并获得了最优误差估计。
A Unifying Primal-Dual Proximal Framework for Distributed Nonconvex Optimization
该论文提出了一种统一的原对偶近端（UPP）框架，通过线性化增广拉格朗日函数并引入时变近端项，将多种分布式非凸优化方法统一起来，并证明了其子线性收敛性以及在特定条件下的线性收敛性，同时通过结合切比雪夫加速实现了最优通信复杂度。
One-Way Thermo-Mechanical Coupled System Identification Using Displacement and Temperature Measurements
本文提出了一种基于优化和伴随方法的单向热 - 力耦合系统识别框架，通过单块或分区策略同时反演结构刚度损伤与温度场分布，显著提升了在传感器稀疏或局部热特征未被充分采样情况下的损伤定位与温度重构精度。
ADMM-based Bilevel Descent Aggregation Algorithm for Sparse Hyperparameter Selection
该论文提出了一种结合交替方向乘子法（ADMM）与双层下降聚合（BDA）的新算法，用于解决稀疏超参数选择问题，其核心贡献在于通过放宽对下层解唯一性的假设，实现了在更宽松条件下的全局收敛，并在数值实验中展现出优于现有方法的性能。
An Optimal Control Approach To Transformer Training
该论文提出了一种基于最优控制理论的 Transformer 训练新框架，通过将架构建模为离散时间受控粒子系统并转化为概率测度上的马尔可夫决策过程，在无需平滑性或凸性假设的前提下，证明了全局最优策略的存在性，并给出了具有稳定性与实证一致性的三重量化训练方案。
Refined Estimates on the Dimensions of Maximal Faces of Completely Positive Cones
本文通过证明奇数维完全正矩阵锥的最大面维数下界精确为，并给出偶数维时该下界位于与之间的新估计，显著细化了现有理论中关于完全正矩阵锥最大面维数的界限。
A Short Survey of Averaging Techniques in Stochastic Gradient Methods
本文综述了随机梯度优化中的平均技术，涵盖了从经典随机逼近理论到现代机器学习应用（如深度神经网络训练）的发展，探讨了其理论基础、有限样本表现及未来研究方向。
Competition between DEXs through Dynamic Fees
该论文通过建立耦合偏微分方程系统，推导了去中心化交易所（DEX）在动态费用竞争下的近似纳什均衡，揭示了竞争如何改变费用切换边界，并指出增加竞争者数量会降低战略交易者的执行滑点，但对噪声交易者的影响则取决于市场活跃度。