Lower Complexity Bounds of First-order Methods for Affinely Constrained Composite Non-convex Problems
针对带线性约束的复合非凸非光滑优化,本文在两种一阶预言机下建立FOMs生成ε稳定点的复杂度下界,揭示非光滑凸正则项增加求解难度,并证明其中一个下界紧。
2025-05-13 math.OC
Topological complexity of collision free motion planning algorithms in the presence of multiple moving obstacles
我们研究的运动规划算法的无碰撞控制的多个对象中存在的移动障碍物。我们计算的拓扑复杂性的算法解决这个问题。我们应用拓扑工具,并使用配置空间的上同调代数的信息。本文的结果可能会被用于自动交通控制系统。
2006-09-17 math.AT math.OC
Motion planning and stabilization of nonholonomic systems using gradient flow approximations
本文针对时变非线性控制仿射系统,提出基于振荡输入和梯度流近似的统一控制方案,解决非完整系统的轨迹跟踪与镇定问题,并给出渐近行为分析及避障应用。
2023-01-17 math.OC
Affine OneMax
提出了一类新的黑盒优化测试函数。仿射OneMax(AOM)函数被定义为OneMax和位向量上的可逆仿射映射的组合。该类的黑盒复杂度的上界是一个大次数的多项式。证明依赖于离散傅立叶分析和Kushilevitz-Mansour算法。可调复杂度是通过将可逆线性映射表示为有限个横截的乘积来实现的。研究了AOM函数子类的黑盒复杂性。最后,给出了AOM函数的实验结果,以说明搜索算法的性能。
2021-06-12 cs.NE math.OC
Topological complexity of motion planning and Massey products
我们采用Massey产品找到更清晰的下界的Schwarz属的纤维化比以前已知的。特别是,我们给出了非形式空间$X$的拓扑复杂性$\TC(X)$(定义为$X$上的自由路纤维化的亏格)是大于零因子杯长加一的例子。
2008-01-15 math.AT math.OC
Path Planning for Aerial Relays via Probabilistic Roadmaps
University of Agder(阿格德尔大学)
本文提出了一种基于概率路网的空中中继路径规划框架,通过空间离散化和概率分布优化,解决飞行约束和信道模型的问题,提升路径规划的最优性和计算效率。
2026-02-04 math.OC
A Second-Order Algorithm Based on Affine Scaling Interior-Point Methods for nonlinear Optimisation with bound constraints
School of Mathematics and Statistics, Henan Normal University(河南师范大学数学与统计学院);Instituto de Matemática e Estatística, Universidade Federal de Goiás(戈亚斯联邦大学数学与统计研究所);Mathematics and Science College, Shanghai Normal University(上海师范大学数理学院)
本文提出基于仿射缩放内点法的二阶算法SOBASIP,用于解决有界约束非线性优化问题,通过构造仿射缩放子问题并利用同质化技术获得下降方向,理论分析显示其具有O(ε^{-3/2})的全局迭代复杂度和局部超线性收敛性。
2026-04-07 math.OC
Geometric Heat Flow Method for Legged Locomotion Planning
本文提出了一种基于几何热流框架的腿式机器人运动规划方法。由于动力学和接触约束的混合性质,运动规划任务具有挑战性。我们将混合动力学和约束编码成黎曼内积,并定义该内积,使得短曲线对应于系统的容许运动。我们依赖于仿射几何热流变形的任意路径连接所需的初始和最终状态,这个允许的运动。该方法能够自动求出机器人在不平坦地形上的质心轨迹、脚接触位置和受力情况。
2021-01-20 cs.RO math.OC
Max-affine estimators for convex stochastic programming
University of Alberta(阿尔伯塔大学);Imperial College London(帝国理工学院)
本文研究了具有凸结构的两个序列决策问题,提出了一种基于最大仿射估计的近似动态规划方法,用于解决能源存储优化和多产品组装问题。
2016-09-18 cs.SY eess.SY math.OC
Motion planning and control problems for underactuated robots
运动规划和控制是机器人应用中的关键问题,包括自主敏捷车辆和极简操纵器的设计。这些问题可以在仿射联络和几何控制理论的语言中精确地形式化。本文综述了运动能控性和振荡控制的最新结果。此外,我们讨论了理论和实践中的开放问题,以及我们建议控制理论的方法。
2002-09-17 math.DG math.OC
Inexact accelerated proximal gradient method with line search and reduced complexity for affine-constrained and bilinear saddle-point structured convex problems
本文的目标是降低两类问题的基于梯度的方法的总复杂度:仿射约束复合凸优化和双线性鞍点结构非光滑凸优化。我们的技术是基于一个双循环不精确加速邻近梯度(APG)方法,用于最小化一个非光滑但可逼近的凸函数和两个光滑凸函数具有不同的光滑常数和计算成本的总和。与标准APG方法相比,不精确APG方法可以减少总的计算成本,如果一个光滑分量具有较高的计算成本,但比其他较小的光滑常数。利用这一性质,非精确APG方法可以近似求解仿射约束复合凸优化的近似增广拉格朗日方法的子问题,以及双线性鞍点结构非光滑凸优化的光滑逼近问题,其中光滑常数较小的光滑函数具有较高的计算代价.因此,它可以降低总的复杂性,找到一个近似的最佳/稳定的解决方案。该技术类似于文献中的梯度滑动技术。不同之处在于,我们的不精确APG方法可以通过使用基于平稳性破坏度量的可计算条件来有效地停止内部循环,而梯度滑动方法需要预先指定内部循环的迭代次数。数值实验表明,显着更高的效率,我们的方法比最佳的原始-对偶一阶方法和梯度滑动方法。
2022-01-04 cs.NA math.NA math.OC
First-order Methods for Affinely Constrained Composite Non-convex Non-smooth Problems: Lower Complexity Bound and Near-optimal Methods
Rensselaer Polytechnic Institute(伦斯勒理工学院);University of Iowa(爱荷华大学)
本文针对带线性约束的复合非凸非光滑优化,建立两类一阶预言机下的复杂度下界,并提出仅差对数因子即匹配下界的近最优IPG方法。
2023-07-14 cs.LG math.OC
Parameterized Complexity of Stationarity Testing for Piecewise-Affine Functions and Shallow CNN Losses
MIT(麻省理工学院)
研究连续分段仿射函数近似一阶平稳性检验的参数化复杂性,以维度为参数给出XP算法和W[1]-硬度,并推广到浅层ReLU CNN训练损失。
2026-11-10 cs.CC cs.LG math.OC
Conditional Gradient Methods for Convex Optimization with General Affine and Nonlinear Constraints
Georgia Institute of Technology(佐治亚理工学院)
近年来,条件梯度法在机器学习和优化领域引起了广泛的关注。这些简单的方法可以保证稀疏解的产生。此外,无需计算全梯度,它们有时甚至可以处理决策变量数量呈指数级增长的大规模问题。本文旨在通过提出求解一般仿射约束和非线性约束的凸优化问题的新的条件梯度法,大大扩展这些方法的应用范围。更具体地说,我们首先提出了一个新的约束外推条件梯度(CoexCG)的方法,可以实现一个${\cal O}(1/ε^2)$迭代复杂性光滑和结构非光滑函数约束凸优化。我们进一步开发了CoexCG的新变体,即约束外推和双正则条件梯度(CoexDurCG)方法,可以实现与CoexCG相似的迭代复杂度,但允许自适应选择算法参数。我们说明了这些方法的有效性,解决了一类重要的放射治疗治疗计划问题所产生的医疗保健行业。据我们所知,所有的算法方案和它们的复杂性结果在无投影方法领域都是新的。
2021-06-29 cs.LG math.OC
A fast speed planning algorithm for robotic manipulators
University of Parma(帕尔马大学);Budapest University of Technology and Economics(布达佩斯技术与经济大学)
我们考虑机器人操作器的速度规划问题。特别是,我们提出了一种算法,用于找到时间最优的速度法沿指定的路径,满足速度和加速度的限制,并尊重最大的力和力矩所允许的执行器。所解决的优化问题是一个有限维的连续时间的速度优化问题,通过离散的速度分布与N点的重新制定。所提出的算法具有线性复杂度的N和自由度的数量。这种复杂性是解决这个问题的最佳可能。数值试验表明,该算法是显着的速度比现有的文献中的算法。
2018-10-03 cs.RO math.OC
Evaluation of Temporal Complexity Reduction Techniques Applied to Storage Expansion Planning in Power System Models
可再生能源的份额不断增长,使优化的功率流在电力系统模型计算更加复杂,由于广泛分布的天气依赖发电。本文评估了两种方法,以减少时间复杂性的电力传输网络模型与存储扩展规划。降阶技术的目标是加速电网模型的线性最优潮流的计算。这是通过选择少量的代表性时间段来代表一整年来实现的。为了选择有代表性的时间段,使用分层聚类将按时间顺序排列的相邻小时或独立分布的耦合日聚集到时间序列的聚类中。通过目标值的误差和计算时间的减少来评价聚合效率。进一步分析了优化过程中网络规模和并行计算效率的影响。作为一个测试案例,传输电网的最北端的德国联邦州石勒苏益格-荷尔斯泰因州的情况下,对应于2035年被认为是。所考虑的情景的特点是安装的可再生能源的比例很高。
2020-02-25 cs.SY eess.SY math.OC
Robot motion planning, weights of cohomology classes, and cohomology operations
解决运动规划问题的算法的复杂性通过系统的配置空间X的同伦不变量TC(X)来测量。先前已知的TC(X)的下界使用X的上同调代数的结构。在本文中,我们展示了如何上同调运算可以用来锐化这些下界TC(X)。作为这种方法的一个应用,我们明确地计算了各种透镜空间的拓扑复杂性。本文的结果受到E. Fadell和S. Husseini关于Lusternik - Schnirelmann范畴经典下界中出现的上同调类的权.在本文的附录中,我们给出了他们结果的推广版本的非常简短的证明。
2007-07-07 math.AT math.OC
Fast Approximate Dynamic Programming for Input-Affine Dynamics
本文提出了两种新的数值格式,用于近似实现具有仿射输入动态的离散时间系统的有限时域最优控制的动态规划~(DP)运算。所提出的算法涉及离散化的状态和输入空间,并基于一个替代的路径,解决了对偶问题对应的DP操作。我们提供了所提出的算法的误差界,以及其计算复杂性的详细分析。特别是,对于一类特定的问题与可分离的数据的状态和输入变量,所提出的方法可以减少DP操作的典型时间复杂度从$O(XU)$到$O (X+U)$,其中$X$和$U$分别表示离散状态和输入空间的大小。通过将DP运算中的最小化算法变换为经由离散共轭的加法来实现这种减少。
2022-03-17 cs.SY eess.SY math.OC
Convergence Guarantees for RMSProp and Adam in Generalized-smooth Non-convex Optimization with Affine Noise Variance
本文在坐标级广义光滑和仿射噪声方差假设下,首次给出RMSProp和Adam在非凸优化中的严格收敛分析,证明二者均以O(ε⁻⁴)迭代复杂度收敛到ε-平稳点,达到已知下界。
2025-03-08 cs.LG math.OC stat.ML
Computing Complexity-aware Plans Using Kolmogorov Complexity
KTH Royal Institute of Technology(瑞典皇家理工学院)
在本文中,我们介绍了复杂性感知规划有限时域确定性有限自动机的奖励作为输出,基于柯尔莫哥洛夫复杂性。Kolmogorov复杂性被认为是因为它可以检测确定性最优策略的计算复杂性。我们提出了一个规划目标,产生一个明确的权衡政策的性能和复杂性。它被证明,最大化这个目标是不平凡的意义上说,动态规划是不可行的。我们提出了两个算法获得低复杂度的政策,其中第一个算法获得低复杂度的最佳政策,第二个算法找到一个政策最大化的性能,同时保持本地(阶段)的复杂性约束。我们评估了一个简单的导航任务的移动机器人,我们的算法产生低复杂度的政策,符合直觉的算法。
2021-09-22 cs.AI cs.SY eess.SY
Safe and Dynamically-Feasible Motion Planning using Control Lyapunov and Barrier Functions
University of California, San Diego(加利福尼亚大学圣迭戈分校);DEVCOM US Army Research Laboratory(美国陆军DEVCOM研究实验室)
本文提出C-CLF-CBF-RRT算法,结合RRT、CLF和CBF为控制仿射系统生成安全且动态可行的无碰撞路径,并证明其计算高效性与概率完备性。
2025-03-12 cs.RO cs.SY eess.SY