A Computational Study for Solving Decision-Dependent Robust Problems as Bilevel Optimization Problems
Trier University(特里尔大学);University of Montpellier(蒙彼利埃大学);CNRS(法国国家科学研究中心);University of Technology Nuremberg (UTN)(纽伦堡工业大学)
研究将依赖决策的鲁棒优化问题作为双层优化问题求解,对比经典鲁棒优化对偶化技术与双层技术,发现双层技术虽类似但计算量更大,对混合整数线性模型表示的情况,比较双层方法与文献方法,结果显示双层方法计算时间表现更好。
2026-07-07 math.OC
Implementing Optimization-Based Control Tasks in Cyber-Physical Systems With Limited Computing Capacity
当今的信息物理系统的一个共同方面是多个基于优化的控制任务可以在共享处理器中执行。这样的控制任务利用在线优化,因此有很大的执行时间,因此,他们的采样周期必须很大,以及满足实时可扩展性条件。然而,较大的采样周期可能导致较差的控制性能。我们的工作的目标是开发一个强大的提前终止优化方法,可用于有效地解决板载最优化问题参与控制系统,尽管存在不可预测的,可变的,有限的计算能力。所开发的方法的意义在于,优化迭代可以在任何时刻停止与保证可行解,因此,基于优化的控制任务可以实现一个小的采样周期(因此,在控制性能的最小退化)。
2022-03-11 math.OC
Modified Armijo line search in optimization on Riemannian submanifolds with reduced computational cost
本文针对欧氏空间黎曼子流形上的优化问题,提出一种仅在必要时才计算收缩映射的新型黎曼线搜索策略,并证明基于该策略的最速下降法和牛顿法具有全局收敛性,数值实验表明其优于标准黎曼Armijo线搜索方法。
2025-04-10 math.OC
A New Simple Stochastic Gradient Descent Type Algorithm With Lower Computational Complexity for Bilevel Optimization
本文提出一种新的简单SGD类型算法SSGD,通过基于SGD的估计和热启动策略估计超梯度,在双层优化中实现更低计算复杂度,并经实验验证其效率。
2023-06-20 math.OC
Convexification of box-constrained polynomial optimization problems via monomial patterns
凸化是全局多项式优化的核心技术。目前,在理论和实践中相互竞争的方法主要有两种:非线性规划方法和基于实代数正性证明的方法。从计算的角度来看,前者是比较便宜的,但通常不提供严格的放松相对于原来的问题的界限。后者通常在计算上是昂贵的,但确实提供了严格的松弛。我们将这两种方法嵌入到一个统一的单项松弛框架中。我们开发了一个凸化策略,允许权衡计算费用的边界的质量。计算实验显示了非常令人鼓舞的结果。
2021-09-28 math.OC
Variational State-Dependent Inverse Problems in PDE-Constrained Optimization: A Survey of Contemporary Computational Methods and Applications
University of Colorado Boulder(科罗拉多大学博尔德分校)
本文综述了PDE约束优化中状态依赖反问题的数学理论、计算方法及应用,探讨了可识别性、不相容性等挑战及未来研究方向。
2026-01-16 math.OC
Computational Shape Derivatives in Heat Conduction: An Optimization Approach for Enhanced Thermal Performance
本文针对热传导储能问题,通过计算优化泛函的形状梯度并结合经典形状优化策略,确定复合材料中高导电材料的最优位置,数值实验验证了方法有效性。
2024-03-29 math.OC
cashocs: A Computational, Adjoint-Based Shape Optimization and Optimal Control Software
Fraunhofer ITWM(弗劳恩霍夫应用数学与技术研究所以);TU Kaiserslautern(凯泽斯劳滕工业大学)
本文提出了基于Python和FEniCS的新软件包cashocs,通过连续伴随方法的离散化自动推导伴随系统和形状导数,实现了PDE约束下的最优控制与形状优化问题的自动化求解。
2020-12-18 math.OC
Optimization of linear systems with controlled coefficients
讨论了具有受控系数和二次型目标泛函的线性连续动态系统的最优控制问题的最优性条件和数值方法。
2010-04-19 math.OC
Topology optimization on complex surfaces based on the moving morphable component (MMC) method and computational conformal mapping (CCM)
本文提出了一种求解具有任意亏格的复杂曲面拓扑优化问题的集成方法。该方法基于二维移动变形构件(MMC)框架和计算共形映射(CCM)技术,前者以一组结构构件作为优化的基本单元,后者将由非结构三角形网格表示的复杂曲面数值映射到一组规则的二维参数域。一个多补丁拼接计划也被开发,以实现MMC友好的全球参数化,通过一些局部参数化。通过对鞍形壳、圆环壳和三通管的数值算例验证了该方法的有效性。结果表明,与传统的二维曲面拓扑优化方法相比,该方法可以在较少的设计变量和有限元分析自由度的情况下,获得具有清晰载荷传递路径的优化设计。
2022-02-02 math.OC
Sequential Chance Optimization For Flow-Tube Based Control Of Probabilistic Nonlinear Systems
本文研究了具有概率不确定性的非线性动力系统的闭环控制问题。更准确地说,我们设计的时变多项式反馈控制器,遵循给定的标称轨迹,也为了安全起见,保持在管周围的标称轨迹,尽管所有的不确定性。我们制定这个问题作为一个机会最优化问题,我们最大限度地实现控制目标的概率。为了解决长规划期的控制问题,我们将单个大机会优化问题表示为一系列小机会最优化问题。为了解决所得到的机会最优化问题,我们利用测度和矩的理论,并获得半定规划形式的凸松弛。我们提供了数值例子的不确定非线性系统的稳定控制器设计和运动规划,以说明所提出的方法的性能。
2019-12-07 math.OC
Applications of Optimal Control of a Nonconvex Sweeping Process to Optimization of the Planar Crowd Motion Model
本文讨论一类非凸扰动扫掠过程的最优控制及其在平面人群运动交通均衡模型优化中的应用。所得到的理论结果使我们能够调查的动态最优化问题的微观平面树冠运动模型与众多的参与者,并完全解析解决的情况下,两个参与者。
2018-02-22 math.OC
An Optimal Control Theory for Accelerated Optimization
一般非线性最优化问题的一阶最优性条件被生成为最优控制问题的终端横截性条件的一部分。证明了最优化问题的拉格朗日量与最优控制问题的哈密顿量通过一个零哈密顿量的无限阶奇异弧相连接。奇异最优控制问题的必要条件用于产生辅助可控动力系统,其轨迹生成最优化问题的算法原语。通过半离散化步骤,设计了一种遗传算法的三步迭代映射。既不需要显式地导出反馈控制律,也不需要显式地导出控制算法的微分方程。一个搜索方向是由一个近端瞄准型的方法,消散控制李雅普诺夫函数。新的步长程序的基础上最小化控制李雅普诺夫函数沿搜索向量完成的加速算法的设计。
2022-03-15 math.OC
Optimization-based One-side Boundary Control of LWR Traffic Models
University of Waterloo(滑铁卢大学);Queen’s University(女王大学)
本文研究了一类基于优化的单侧边界控制方法,通过Lyapunov函数和边界控制屏障函数实现交通流模型的稳定性与不变性,采用凸优化问题选择控制输入,验证了对通用交通流函数的适用性。
2026-07-29 math.OC
Boundary control of partial differential equations using frequency domain optimization techniques
我们提出了一种基于频域的$H_\infty$控制策略,用于解决由抛物型或双曲型偏微分方程控制的系统的边界控制问题,其中控制器被限制为物理上可实现且结构简单,适合实际应用。通过控制一个具有输入时滞的反应扩散方程和一个具有边界反阻尼的波动方程,证明了该方法的有效性。
2019-05-16 math.OC
Distributed Optimization Method Based On Optimal Control
本文提出一种基于最优控制的分布式优化框架,将优化问题转化为最优控制问题,利用最大值原理设计算法,并严格分析了收敛性与超线性收敛速度。
2025-03-31 math.OC
Optimization-based control design techniques and tools
结构化输出反馈控制器综合是现代控制设计中的一个令人兴奋的新概念,它是理论与实践之间的桥梁,因为它首次允许在从业者喜欢的控制结构中应用复杂的数学设计范例,如$H_\infty$或$H_2$控制。结构化的$H_\infty$ -控制,作者在过去的十年中开发的新方法,是植根于在合成算法的范式的变化。结构化设计不再基于求解代数Riccati方程或矩阵不等式。相反,需要基于优化的设计技术。在这篇文章中,我们指出为什么结构化控制器综合是现代控制工程的核心。我们解释了为什么需要非光滑优化技术来计算结构化控制律,我们指出,软件工具,使从业者使用这些新的工具,在高科技应用。
2019-05-27 math.OC
Towards high-fidelity wind farm layout optimization using polynomial chaos expansion and Kriging model
本文提出融合多项式混沌展开、Kriging模型与期望改进算法的风电场布局优化框架,经四类案例验证可降低计算成本并保持或提升年发电量预测精度。
2025-02-16 math.OC
A Computational Comparison of Optimization Methods for the Golomb Ruler Problem
Golomb标尺问题定义如下:给定一个正整数n,在标尺上定位n个标记,使得任何两个不同的标记对之间的距离彼此不同,并且标尺的总长度最小。Golomb尺问题在信息论、天文学和通信等领域有着广泛的应用,它可以被看作是组合优化算法的一个挑战。虽然构建高质量的规则已经得到了很好的研究,但证明最优性是一项更具挑战性的任务。在本文中,我们提供了一个计算比较不同的优化范式,每一个使用不同的模型(线性整数,约束规划和二次整数),以证明一个给定的哥伦布统治者是最佳的。我们提出了几个增强,以提高计算性能的每一种方法,探索约束收紧,有效的不等式,切割平面和分支策略。我们的结论是,一定的二次整数规划模型,通过Benders分解和加强两种类型的有效不等式的解决方案的时间方面表现最好的小型Golomb尺问题的实例。另一方面,通过范围缩减和特定分支策略改进的约束编程模型由于其有前途的并行化功能,可能更有潜力解决更大规模的实例。
2019-02-22 math.OC
Non-smooth optimization for robust control of infinite-dimensional systems
我们使用非光滑信赖域方法的$H_\infty$控制的无限维系统。我们的方法特别适用于分布和边界控制的偏微分方程。它在计算上是有吸引力的,因为它避免了使用系统简化或识别。为了说明该方法适用于控制反应对流扩散系统,范德福斯反应器,和空腔流量控制问题。
2018-04-30 math.OC
Stability and Performance Verification of Optimization-based Controllers
针对确定性和随机约束多项式离散动力系统,提出了一种基于优化的控制器闭环性能验证方法。所提出的技术的闭环性能包括全局和局部稳定性,性能相对于一个给定的费用函数(在确定性和随机设置)和$\mathcal{L}_2$增益。该方法适用于广泛的实际控制问题:例如,动态控制器(例如,PID)加输入饱和、具有状态估计的模型预测控制、不精确模型和软约束、或其中基本问题用一阶方法的固定迭代次数来解决的基于一般优化的控制器都服从所提出的方法。该方法是基于观察到的控制输入所产生的基于优化的控制器满足相关的Karush-Kuhn-Tucker(KKT)条件,提供所有的数据是多项式的,是一个系统的多项式等式和不等式。然后可以使用平方和(SOS)编程来分析闭环特性。
2016-11-15 math.OC
Machine Learning Algorithms in Design Optimization
复杂系统的数值优化得益于近二十年来计算平台技术的发展。不幸的是,这仍然是不够的,并且当采用包括更丰富(因此更真实)的物理模型的数学模型时,仍然需要大量的计算时间。在本文中,我们展示了优化和人工智能(AI)的结合,特别是机器学习算法,可以帮助大大减少整体计算时间,使优化周期内使用复杂的仿真系统成为可能。还提出了一些新的方法。
2022-09-06 math.OC
Time Distributed Optimization for Model Predictive Control: Stability, Robustness, and Constraint Satisfaction
时间分布优化是一种利用模型预测控制对不完全优化的鲁棒性,显著降低模型预测控制计算量的实现策略。当使用该策略时,通过维护最优控制问题的运行解估计并在每个采样时刻更新它,优化迭代随时间分布。所得到的控制器可以被看作是一个动态补偿器,它被放置在闭环与植物。本文提出了一个通用的时间分布优化系统理论分析框架。利用输入-状态稳定性概念分析了耦合的工厂-优化器系统,并导出了稳定性和约束满足的充分条件。当应用于时间分布序列二次规划,该框架显着扩展了现有的理论分析的实时迭代计划。数值模拟证明了该方案的有效性。
2019-10-27 math.OC
Time series aggregation for optimization: One-size-fits-all?
使用不同时间序列作为数据输入的最优化模型的基本问题之一是模型精度和计算易处理性之间的权衡。为了克服这些全最优化模型的计算困难,通常通过时间序列聚合(TSA)方法来降低输入数据的维数和模型大小。然而,传统的TSA方法通常应用一种通用的方法,基于这样一种共同的信念,即最接近输入数据的聚类也会导致最接近完整模型的聚合模型,而真正重要的指标-优化结果中的输出误差-没有得到很好的解决。在本文中,我们计划挑战这一信念,并表明输出误差为基础的TSA方法的理论基础,具有前所未有的潜力的计算效率和准确性。
2022-06-07 math.OC
A Computational Approach to Essential and Nonessential Objective Functions in Linear Multicriteria Optimization
为多目标决策问题获得明确定义的准则的问题是众所周知的。非本质目标函数的概念是解决这一问题的方法之一。如果有或没有某个目标函数,其有效解的集合是相同的,则该目标函数被称为非本质的。在本文中,我们把两种方法来确定非本质目标函数。使用计算机代数系统完成计算实现。
2007-06-08 math.OC
A Data-driven Approach to Robust Control of Multivariable Systems by Convex Optimization
利用多变量系统在不同工作点的频域数据,设计了一种针对测量噪声和多模型不确定性的鲁棒控制器。该控制器是完全参数化的矩阵多项式函数,可以制定为一个集中式,分散式或分布式控制器。所有标准的性能规格,如$H_2$,$H_\infty$和环路整形被认为是在一个统一的框架连续和离散时间系统。首先将控制问题转化为一个凸-凹最优化问题,然后通过对初始控制器的凹部分进行线性化,将其转化为凸优化问题。该性能准则在迭代算法中单调收敛于局部最优解。通过仿真算例比较了该方法与采用非光滑优化的固定结构控制器和全阶最优控制器的有效性。最后,利用陀螺仪的实验数据设计了数据驱动控制器,并成功应用于实际系统中。
2017-08-09 math.OC
Optimization-based control by interconnection of nonlinear port-Hamiltonian systems
Chemnitz University of Technology(开姆尼茨工业大学);University of Wuppertal(伍珀塔尔大学)
本文提出基于端哈密顿系统互联的优化控制方法,通过子最优解实现系统稳定化,并证明其在可观察性假设下的渐近稳定性。
2026-08-19 math.OC
Computational Optimization, Modelling and Simulation: Recent Trends and Challenges
建模、仿真和优化是工程和工业中现代设计实践的一个组成部分。在过去几十年中,所有三个组成部分都取得了巨大进展。然而,许多具有挑战性的问题仍未得到解决,目前的趋势是使用自然启发的算法和基于代理的技术进行建模和优化。ICCS 2013第四届计算优化、建模与仿真研讨会(COMS 2013)将进一步总结优化和建模的最新发展及其在科学、工程和工业中的应用。在这篇综述论文中,我们将分析建模和优化的最新趋势及其相关挑战。我们将讨论进一步研究的重要主题,包括参数调整,大规模问题以及理论和应用之间的差距。
2014-04-02 cs.NE math.OC
Duality Gap, Computational Complexity and NP Completeness: A Survey
我们调查研究的计算复杂性的最优化问题的一方面,和之间的原始和对偶最优化问题的另一方面的对偶差距之间的连接。据我们所知,这是第一次将这两个非常重要的领域联系起来的调查。我们进一步研究与复杂性和优化有关的有限模型论中的类似现象。
2011-11-15 cs.CC math.OC
Dynamical system-based computational models for solving combinatorial optimization on hypergraphs
动力系统的内禀能量最小化为组合优化中的计算难题的目标函数最小化提供了一个有价值的工具。然而,大多数现有工作集中于将这种动态映射到目标函数具有二次度的组合优化问题(例如,MaxCut);这些问题可以使用图形来表示和分析。然而,开发这种模型的问题,需要的目标函数的程度大于2,随后,需要使用超图数据结构的工作,是相对稀疏的。在这项工作中,我们开发了动力系统启发的计算模型的几个这样的问题。具体来说,我们定义的“能量函数”的超图为基础的组合问题,从布尔SAT和它的变种,以整数分解,随后,定义所产生的系统动力学。我们还证明了该设计方法适用于二次优化问题,并使用它开发了一种新的动力系统公式来最小化伊辛汉密尔顿。我们的工作不仅扩大了可以直接映射到并使用物理模型解决的问题的范围,而且还为设计用于解决组合优化的高性能加速器创造了新的机会。
2022-07-20 math.OC physics.app-ph
Computational Complexity of Quadratic Unconstrained Binary Optimization
本文研究了函数问题FP^NP范畴下二次无约束二元优化(QUBO)问题的计算复杂性.我们主要讨论了四个子类:(1)当所有系数都是整数时,QUBO是FP^NP-完全的。(2)当每个系数都是一个常数k的整数下界时,QUBO是FP^NP[log]-完全的。(3)当每个系数都是由常数k上界的整数时,QUBO再次是FP^NP[log]-完全的。(4)当系数只能在集合{1,0,-1}中时,QUBO是FP^NP[log]-完全的。最近的结果在量子退火能够有效地解决QUBO问题,我们的研究结果提供了一个明确的量子退火算法和FP^NP复杂性类分类之间的联系。我们还研究了整系数QUBO问题的决策版本的计算复杂性。我们证明了这个问题是DP-完全的。
2022-02-18 cs.CC math.OC
Focus optimization in a Computational Confocal Microscope
我们认为数值优化的性能的计算扩展的共聚焦显微镜。使用一个系统,针孔检测器被替换为一个检测器阵列,我们试图利用这个额外的信息,在扫描中的每个点。我们得到一个最佳的估计,在焦点的光,最大限度地减少了离焦光的贡献。我们估计的改进量,将在理论上可能在点扫描和线扫描系统,并证明与模拟。我们发现,即使有很大程度的正规化,一个显着的改善是可能的,特别是线扫描系统。
2020-12-11 eess.SP math.OC physics.optics
Computational Models based on Synchronized Oscillators for Solving Combinatorial Optimization Problems
动力系统中能量的自然最小化与表征组合最优化问题的目标函数的最小化之间的等价性为设计动力系统启发的计算模型和此类问题的求解器提供了一种有前途的方法。例如,在二次谐波注入下,耦合电子振子的基态能量可以直接映射到最大割问题的最优解。然而,先前的工作集中在有限的一组这样的问题。因此,在这项工作中,我们制定了计算模型的基础上同步振荡器动力学的组合最优化问题,范围从最大-K切割(一般版本的最大切割问题)的流动推销员问题。我们表明,同步振荡器的动力学可以工程解决这些不同的组合最优化问题通过适当地设计耦合函数和外部注入振荡器。我们的工作标志着朝着扩展基于模拟器的模拟加速器的功能迈出了一步,并进一步扩大了组合最优化问题的动力系统求解器的范围。
2022-06-13 cs.CC math.OC
Enhanced Bilevel Optimization via Bregman Distance
University of Pittsburgh(匹兹堡大学);Nanjing University of Aeronautics & Astronautics(南京航空航天大学)
近年来,双层优化已经被用于许多机器学习问题,如超参数优化,策略优化和Meta学习。虽然已经提出了许多两层最优化方法,但它们仍然具有高计算复杂性,并且没有考虑更一般的非光滑正则化两层问题。本文利用Bregman距离提出了一类改进的双层最优化方法,用于求解外层子问题为非凸且可能非光滑,内层子问题为强凸的双层最优化问题.具体来说,我们提出了一个双层最优化方法的基础上Bregman距离(生物BreD)来解决确定性的双层问题,它实现了较低的计算复杂性比最好的已知结果。同时,我们还提出了一种基于随机近似梯度和Bregman距离的随机双层最优化方法(SBiO-BreD)来求解随机双层问题。此外,我们进一步提出了一个加速版本的SBiO-BreD方法(ASBiO-BreD)使用方差减少技术,它可以实现一个较低的计算复杂度比最好的已知的计算复杂性度相对于条件数$κ$和目标精度$ε$寻找一个$ε$ -平稳点。我们进行数据超清洗任务和超表示学习任务,以证明我们的新算法优于相关的双层优化方法。
2022-10-26 cs.LG math.OC
Safety-critical Control with Control Barrier Functions: A Hierarchical Optimization Framework
本文提出一种分层优化框架,通过安全优先方法分解多目标优化问题,解决潜在不可行性并提升系统性能,通过实例验证了其在安全性和收敛速度上的优势。
2024-10-21 cs.RO math.OC
Speeding up Computational Morphogenesis with Online Neural Synthetic Gradients
Georgia Institute of Technology(佐治亚理工学院);Siemens Corporate Technology(西门子企业技术)
广泛的现代科学和工程应用制定为一个系统的偏微分方程(PDE)作为约束的优化问题。这些偏微分方程约束的优化问题通常在一个标准的离散化,然后优化的方法来解决。在许多需要高分辨率解决方案的行业应用中,离散化约束很容易包含数百万甚至数十亿个变量,这使得标准迭代优化器求解精确梯度非常缓慢。在这项工作中,我们提出了一个通用的框架,以加快PDE约束优化使用在线神经合成梯度(ONSG)与一种新的两尺度优化方案。我们成功地将我们的ONSG框架计算形态,一类具有代表性和挑战性的偏微分方程约束优化问题。大量的实验表明,我们的方法可以显着加快计算形态生成(也称为拓扑优化),同时保持最终解决方案的质量相比,标准的优化器。在具有约1,400,000个设计变量的大规模3D优化设计问题上,我们的方法实现了高达7.5倍的加速,同时产生具有可比目标的优化设计。
2021-04-27 cs.AI math.OC
Surrogate Models for Optimization of Dynamical Systems
随着动力系统复杂性的增加,在最优化问题中通过数值模拟求解微分方程组的计算量越来越大。本文提出了一种智能数据驱动机制来构造低维代理模型。这些代理模型通过使用从真实目标函数的评估导出的训练实例来减少用于解决复杂最优化问题的计算时间。代理模型的构造使用适当的正交分解和径向基函数的组合,并提供系统的响应,通过简单的矩阵乘法。采用相对最大绝对误差作为逼近精度的度量,结果表明拉丁超立方抽样和样条径向基函数的代理模型在保持精度的同时,在优化计算时间上优于变阶方法。这些替代模型还显示出在模型非线性存在下的鲁棒性。因此,这些计算效率高的预测代理模型适用于各个领域,特别是解决反问题和最优控制问题,其中一些例子在本文中演示。
2021-08-24 math.OC stat.ML
Pace and motor control optimization for a runner
我们的目标是提出一个新的模型,其中包括速度优化和电机控制的努力,一个固定的距离。我们看到,对于长距离比赛,长期行为很好地近似于收费公路问题。我们提供的数值模拟与这种近似相当一致,从而简化了问题。我们还能够估计斜坡和坡道的影响。
2021-05-05 math.OC q-bio.QM
Learning Convex Optimization Control Policies
在各种应用中使用的许多控制策略通过求解依赖于当前状态和某些参数的凸优化问题来确定输入或动作。这种凸优化控制策略(COCP)的常见示例包括线性二次调节器(LQR)、凸模型预测控制(MPC)和凸控制-李雅普诺夫或近似动态规划(ADP)策略。通过改变最优化问题中的参数(例如LQR权重)来调整这些类型的控制策略,以获得由应用特定度量判断的良好性能。调优通常是手工完成的,或者通过简单的方法(例如粗略的网格搜索)完成的。在本文中,我们提出了一种方法来自动化这个过程中,通过调整参数使用的性能指标的近似梯度相对于参数。我们的方法依赖于最近开发的方法,可以有效地评估其参数的凸优化问题的解决方案的衍生物。我们用几个例子来说明我们的方法。
2019-12-19 cs.LG math.OC
Are metaheuristics worth it? A computational comparison between nature-inspired and deterministic techniques on black-box optimization problems
Brno University of Technology(布尔诺理工大学)
在无导数优化领域中,确定性优化和自然启发式优化这两个主要分支近年来都取得了长足的进步。在本文中,我们提供了一个广泛的计算比较,从这些分支的选择方法。选择的代表是标准的和充分利用的方法,或从最近的数值比较的最佳性能的方法。在五个不同的基准集上进行了计算比较,并从性能、时间复杂度和所选方法的收敛特性方面对结果进行了分析。结果表明,当处理的情况下,目标函数的评估是相对便宜的,自然启发的方法有一个显着更好的性能比他们的确定性同行。然而,在函数计算代价很高或被禁止的情况下,确定性方法可能会提供更一致和更好的结果。
2022-12-13 cs.AI cs.NE math.OC
Control Interpretations for First-Order Optimization Methods
本文通过控制理论解释一阶优化方法,揭示其与PID控制器和滞后补偿器的关联,并利用小增益定理连接优化收敛率与互补灵敏度函数的输入输出增益计算。
2017-03-05 cs.SY eess.SY math.OC
Optimization Based Solutions for Control and State Estimation in Non-holonomic Mobile Robots: Stability, Distributed Control, and Relative Localization
Memorial University of Newfoundland(纽芬兰纪念大学)
近十年来,对设计、制造和使用自主机器人的兴趣迅速增长。这种兴趣的主要动机是这些自主系统可以服务于广泛的潜在应用。这些应用包括但不限于区域覆盖、巡逻任务、周边监视、搜索和救援任务以及态势感知。本论文主要研究非完整移动机器人的控制与状态估计。在此,基于优化的解决方案的控制和状态估计的设计,分析,并实现这样的系统。考虑这种解决方案的主要动机之一是它们处理约束和非线性系统,如非完整移动机器人的能力。此外,动态最优化算法以及计算机处理的最新发展促进了这种基于优化的方法在嵌入式计算机系统中的实时实现。
2018-03-16 cs.RO math.OC
ECCBO: An Inherently Safe Bayesian Optimization with Embedded Constraint Control for Real-Time Optimization
提出ECCBO框架,用反馈控制器将约束控制到设定值,并由贝叶斯优化搜索这些设定值,从而在无过程模型条件下实现始终可行、零累积约束违反的实时优化。
2024-02-28 cs.SY eess.SY math.OC
Data-Driven Stochastic Robust Optimization: A General Computational Framework and Algorithm for Optimization under Uncertainty in the Big Data Era
Robert Frederick Smith School of Chemical and Biomolecular Engineering, Cornell University(罗伯特·弗雷德里克·史密斯化学与生物分子工程学院,康奈尔大学)
本文提出了一种数据驱动的随机稳健优化框架,通过双层优化结构基于数据驱动的不确定性模型,结合两阶段随机规划和自适应稳健优化,解决大数据时代下的不确定性优化问题。
2017-12-29 cs.AI cs.LG cs.SY
Switching Time Optimization for Binary Quantum Optimal Control
本文研究二元量子控制优化问题,提出一种基于经典优化技术的算法框架,通过连续松弛、启发式方法和序列最小二乘规划依次优化控制切换次数与区间时长,在保证高质量控制的同时显著减少计算时间。
2023-08-06 math.OC quant-ph
Computational Tradeoffs of Optimization-Based Bound Tightening in ReLU Networks
Universidad de Chile(智利大学);Bucknell University(巴克内尔大学);Pontificia Universidad Católica de Chile(智利天主教大学);Universidad de O’Higgins(奥希金斯大学);Instituto Sistemas Complejos de Ingeniería (ISCI)(复杂系统工程研究所)
本研究针对ReLU网络MILP模型依赖的激活界,探究界的紧致性与模型求解计算量的权衡,并基于网络结构、正则化和舍入的影响给出模型实现指南。
2024-01-30 cs.LG math.OC
Dynamic Optimization on Quantum Hardware: Feasibility for a Process Industry Use Case
本文研究了量子硬件在过程工业实时动态优化中的可行性,将嵌入微分-代数方程的动态优化问题转化为二次无约束二值优化问题,并通过经典方法、模拟退火、D-Wave量子退火及混合求解器对比实验,发现量子退火虽尚未超越经典求解器,但持续改进有望提升化工行业效率。
2024-04-26 cs.ET math.OC
An algebraic geometry approach to nonlinear parametric optimization in control
提出了一种基于代数几何的非线性参数优化方法。在最优控制中出现的问题是使参数受半代数约束的多项式函数最小化。该方法采用Groebner基计算结合特征值法求解系统的多项式方程。以这种方式,离线构造某些友矩阵。然后,给定参数值,使用在线算法来有效地实时获得原始最优化问题的最优解。
2005-09-13 math.AG math.OC
Some notes on applying computational divided differencing in optimization
University of Waterloo(滑铁卢大学)
本文探讨了在小扰动下准确计算有限差分的方法,提出计算除法差分技术以提高精度,并指出其在优化中的应用及局限性。
2013-07-15 cs.NA math.NA math.OC
Finite-time Control of Discrete-time Positive Linear Systems via Convex Optimization
研究了一类具有时变状态参数的离散正线性系统的有限时间控制问题。虽然在种群生物学、经济学和网络流行病学中出现的一些有趣的控制问题可以被描述为有限时间控制问题,但在文献中尚未找到有效的控制问题的解决方案。在本文中,我们提出了一个优化框架,通过凸优化来解决有限时间控制问题。我们说明了所提出的方法的有效性,通过数值模拟的背景下,动态的产品开发过程。
2020-08-03 cs.SY eess.SY math.OC
Towards a Theoretical Foundation of Policy Optimization for Learning Control Policies
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Massachusetts Institute of Technology(麻省理工学院);University of Maryland, College Park(马里兰大学帕克分校);Harvard University(哈佛大学);University of Washington(华盛顿大学)
基于性能的方法已被广泛用于各种应用领域的系统设计和优化。最近,在控制和强化学习的背景下,研究这些方法的理论特性又引起了人们的兴趣。本文综述了策略优化的一些最新进展,这是一种用于反馈控制合成的基于梯度的迭代方法,通过强化学习的成功推广。我们采取跨学科的角度在我们的论述,连接控制理论,强化学习和大规模优化。我们回顾了一些最近发展的理论结果的优化景观,整体收敛,和样本复杂性的梯度为基础的方法,各种连续控制问题,如线性二次调节器(LQR),$\mathcal{H}_\infty$控制,风险敏感控制,线性二次高斯(LQG)控制,和输出反馈合成。结合这些优化结果,我们还讨论了直接策略优化如何处理基于学习的控制中的稳定性和鲁棒性问题,这是控制工程中的两个主要需求。我们通过指出学习和控制交叉点的几个挑战和机遇来结束调查。
2022-10-10 cs.LG math.OC stat.ML
Computationally Efficient Trajectory Optimization for Linear Control Systems with Input and State Constraints
Technische Universität München(慕尼黑工业大学)
提出一种基于连续时间平坦性输出参数化与约束多项式非正性参数化的轨迹生成方法,将线性二次问题转化为二次规划或线性规划,实现高优化时域约束系统的高效计算。
2012-11-25 cs.SY eess.SY math.OC
Computationally Efficient Near-Optimal Control for Current Ripple Reduction and Optimization of Three-Phase Motors via LMIs
University of Michigan(密歇根大学)
提出一种基于线性矩阵不等式(LMI)的方法,通过二次参数化和迭代Bellman不等式逼近无限时域值函数,实现离线高效计算并在线作为尾成本,在降低计算成本的同时达到与有限控制集MPC相当的性能。
2026-07-02 cs.SY eess.SY math.OC
Boundary Control for Stability and Invariance of Traffic Flow Dynamics: A Convex Optimization Approach
针对交通流动力学控制需求,提出基于边界控制障碍泛函的凸优化边界控制器,可同时实现稳定性与不变性,推导了最优控制器存在的充分条件。
2025-06-18 math.AP math.DS math.OC