Joint Centrality Distinguishes Optimal Leaders in Noisy Networks
Princeton University(普林斯顿大学)
研究在噪声环境中,通过联合中心性选择最优领导者以最小化系统误差,提出新的中心性度量方法,证明单一领导者最优条件及多领导者平衡信息中心性与覆盖度。
2015-06-15 cs.SY eess.SY math.OC
Team Games Optimality Conditions of Distributed Stochastic Differential Decision Systems with Decentralized Noisy Information Structures
我们考虑一个团队博弈的奖励,我们推导出一个随机庞特里亚金的最大值原理的分布式随机微分系统分散噪声信息结构。我们的方法利用半鞅表示定理,变分方法,和向后随机微分方程。此外,我们推导出表征分散策略的团队和逐个最优性的必要和充分的最优性条件。最后,我们将随机最大值原理应用于通信、滤波和控制等应用领域的几个例子。
2013-04-11 math.OC
An optimal control problem for mean-field forward-backward stochastic differential equation with noisy observation
研究了由平均场正倒向随机微分方程导出的带噪声观测的最优控制问题,其中状态方程和观测方程的漂移系数关于状态及其期望是线性的.该控制问题不同于现有文献中关于平均场随机系统的最优控制,在数理金融学中有更多的应用,例如,递归效用资产负债管理问题,系统风险模型。使用向后分离方法与分解技术,两个最优性条件以及两个耦合的前向后最优滤波器。研究了平均场正倒向随机微分方程的线性二次最优控制问题。在详细的情况下,显式地获得了封闭形式的最优解。
2017-01-06 math.OC
Schrödinger Meets Kuramoto via Feynman-Kac: Minimum Effort Distribution Steering for Noisy Nonuniform Kuramoto Oscillators
我们制定和解决的问题,有限时域最小控制努力指导的状态概率分布之间的规定端点关节的有限总体的网络噪声非均匀仓本振荡器。我们考虑一阶和二阶随机Kuramoto模型。对于相关随机最优控制的数值解,我们提出了将某些测度值近似递推与Feynman-Kac路径积分计算相结合的方法.我们通过数值例子说明了所提出的框架。
2022-09-06 cs.SY eess.SY math.OC
Trade-offs in learning controllers from noisy data
在数据驱动控制中,一个核心问题是如何处理噪声数据。在这项工作中,我们考虑的问题,设计一个稳定的控制器的未知线性系统只使用有限的一组噪声数据收集系统。对于这个问题,最近的许多工作都考虑了基于能量型界的扰动模型。在这里,我们考虑一个替代的更自然的模型,干扰服从瞬时边界。在这种情况下,现有的方法,将瞬时边界转换为能量型边界,可能过于保守。相比之下,没有任何转换步骤,简单的参数的基础上的S-过程导致一个非常有效的控制器设计通过凸规划。具体来说,后一个设计问题的可行集总是更大,而与数据一致的系统矩阵集总是更小,并且随着数据点的数量而显着减少。这些研究结果和一些计算方面的一些数值例子中进行检查。
2021-03-15 cs.SY eess.SY math.DS
Risk-based optimal portfolio of an insurer with regime switching and noisy memory
本文研究了带噪声记忆的状态转换跳跃扩散模型中保险公司基于风险的最优投资问题。使用模型的不确定性建模,我们制定的投资问题作为一个零和,随机微分延迟游戏之间的保险公司和市场,凸风险测度的终端盈余和布朗延迟盈余在一段时间$[T-\varrho,T]$。然后,通过Bethesda方法,解决了博弈问题。最后,我们推导出解析解的博弈问题,一个特殊的情况下,二次罚函数和一个数值例子被认为是。
2019-03-21 math.OC q-fin.PM
Optimal control of systems with noisy memory and BSDEs with Malliavin derivatives
本文考虑一类随机最优控制问题,其中状态过程的动力学过程$X(t)$是一个带跳、时滞和\emph{noisy memory}的受控随机微分方程.据我们所知,噪声记忆这个术语是新的。这意味着$X(t)$的动力学依赖于$\int_{t-δ}^t X(s) dB(s)$(其中$B(t)$是布朗运动)。因此,由于布朗运动,相关性是噪声的,并且由于来自状态过程的先前值的影响,它涉及记忆。我们从两种不同的方法导出了这个随机控制问题的充要最大值原理,得到了两组最大值原理。第一组最大值原理是使用Malliavin演算技术,而第二组来自减少到一个离散延迟最优控制问题,并应用以前已知的结果由Alksendal,Sulem和张。最大值原理也适用于控制器仅具有部分信息的情况,在这个意义上,容许控制适应于自然过滤的子$σ$ -代数。
2015-08-27 math.OC
Optimal investment with a noisy signal of future stock prices
针对含未来股价噪声信息与线性暂时性价格冲击的指数效用投资问题,本文利用凸分析对偶方法给出部分观测随机控制问题的闭式解与价值。
2023-12-11 math.OC q-fin.MF
Achieving Precise Mechanical Control in Intrinsically Noisy Systems
如何在固有噪声系统中实现精确控制?在这里,我们开发了一个通用的理论框架,提供了一种方法来实现精确的控制信号依赖的噪声环境。当控制信号具有泊松或超泊松噪声时,不可能进行精确控制。然而,如果控制信号具有亚泊松噪声,则精确控制是可能的。在这种情况下,精确控制解不是一个函数,而是一个快速变化的随机过程,必须相对于一个控制概率密度泛函进行平均。我们的理论方法适用于控制的直线轨迹手臂运动。子泊松噪声的控制信号被证明是能够导致精确的控制。有趣的是,这个系统的控制信号有一个自然的对应物,即神经元的突发脉冲-Dirac-delta函数的火车-在生物系统中实现精确的控制性能。
2013-04-30 math.OC
On Real-Time Communication Systems with Noisy Feedback
我们考虑一个实时的【形】通信系统的噪声反馈组成的马尔可夫源,前向和后向离散无记忆信道,和一个接收机与有限的记忆。我们的目标是设计一个最佳的通信策略(即,编码,解码和内存更新策略),以尽量减少总的预期失真在有限的地平线。我们提出了一个顺序分解的问题,这导致在一组嵌套的最优性方程,以确定最佳的通信策略。这提供了一个系统的方法来确定全局最优的联合信源信道编码和解码策略的实时的【形】通信系统与噪声反馈。
2007-09-23 cs.IT cs.MA math.IT
Learning-Enabled Robust Control with Noisy Measurements
针对参数不确定性属于有限集的线性定常标量系统,提出了一种带噪声观测的有界$\ell_2$增益适应控制的构造性方法.增益界是指闭环系统,包括学习过程。该方法是基于前向动态规划构建一个有限维的信息状态组成的$\mathcal H_\infty$ -观察员配对的递归计算的性能指标。我们不假设先验知识的稳定控制器。
2022-02-16 math.OC
Optimal reconstruction of water-waves from noisy pressure measurements at the seabed
针对从含噪海底压力测量中恢复表面波剖面的问题,提出一种基于最小化恢复压力与测量值距离的优化方法,有效克服了直接法对噪声敏感的缺陷,成功实现了从含噪数据中恢复重力-毛细波。
2024-02-06 math.OC physics.ao-ph physics.flu-dyn
Robust Data-Driven Control for Systems with Noisy Data
本文提出了一种鲁棒数据驱动控制器设计的基础上,噪声的输入输出数据,而无需假设的统计特性的噪声。我们从行为系统理论中的元素的系统模型的直接数据表示开始,随后分析了“建模”误差的上界与存在噪声的数据表示。一些预处理方法是根据导出的界限是如何构造的。最后,我们利用上界开发鲁棒控制器,通过数据噪声。
2023-02-22 math.OC
Direct Data Driven Control Using Noisy Measurements
Michigan State University(密歇根州立大学);Ford Motor Company(福特汽车公司)
针对未知动态且状态含噪的LQR问题,提出仅用单条含噪轨迹、基于LMI与SDP直接综合控制器的框架,保证均方稳定与最优性能。
2025-05-09 cs.LG cs.RO cs.SY
Attaining mean square boundedness of a marginally stable noisy linear system with a bounded control input
我们构造的控制策略,确保有界方差的噪声边缘稳定的线性系在闭环。假设噪声序列是相互独立的随机向量序列,进入动力学近似,具有有界的四阶矩。控制的大小被要求是噪声的一阶矩的顺序,我们得到的政策是简单的和可计算的。
2010-01-26 math.OC
Robust Optimal Classification Trees under Noisy Labels
Universidad de Granada(格拉纳达大学);Universidad de Sevilla(塞维利亚大学)
在本文中,我们提出了一种新的方法来构建最优分类树,考虑到噪声标签可能会出现在训练样本。我们的方法依赖于两个主要元素:(1)分类树的分裂规则被设计为最大化应用SVM范式的类之间的分离裕度;以及(2)在试图检测标签噪声的树的构建期间,允许改变训练样本的一些标签。这两个功能都被考虑和集成在一起,设计产生的最优分类树。我们提出了一个混合的非线性规划制定的问题,适合使用任何可用的现成的求解器来解决。在UCI机器学习数据库中的标准数据集上对该模型进行了分析和测试,结果表明了该方法的有效性。
2020-12-15 cs.LG math.OC stat.ML
Optimal Efficiency of a Noisy Quantum Heat Engine
在本文中,我们使用最优控制来最大化在存在外部噪声的情况下执行奥托循环的量子热机的效率。我们优化了发动机的振幅和相位噪声性能。在相位阻尼的情况下,我们还表明,理想的性能的无噪声发动机可以检索在绝热(长时间)的限制。这里获得的结果在寻求绝对零度时是有用的,量子制冷机的设计可以将物理系统冷却到尽可能低的温度。它们也可以应用于最优控制的经典谐振子共享相同的时间依赖的频率和类似的噪声机制的集合。最后,我们的方法可用于其他有趣的热力学过程的优化。
2014-06-28 math.OC quant-ph
Convex and Nonconvex Optimization Are Both Minimax-Optimal for Noisy Blind Deconvolution under Random Designs
Princeton University(普林斯顿大学)
研究了凸松弛和非凸优化在两种不同设计(即$~$(一种随机Fourier设计)和Gauss设计)下求解双线性方程组的有效性.尽管这两种范式具有广泛的适用性,但在存在随机噪声的情况下,对这两种范式的理论理解仍然很不充分。本文证明了两点贡献:(1)两阶段非凸算法在对数迭代次数内达到极小极大最优精度。(2)凸松弛还实现了相对于随机噪声的最小最大最优统计精度。这两个结果显着改善后,国家的最先进的理论保证。
2021-07-13 cs.IT cs.LG eess.SP
From noisy data to feedback controllers: non-conservative design via a matrix S-lemma
提出了一种直接从噪声输入/状态数据中获得未知动力系统反馈控制器的新方法。我们的设计的关键成分是一个新的矩阵S-引理,将在本文中证明。我们提供了这个S-引理的严格和非严格版本,它们本身就很有趣。此后,我们将把这些结果应用于数据驱动控制。特别地,我们将推导出二次镇定、H_2和H_inf控制的非保守设计方法,所有这些都是基于数据的线性矩阵不等式。与以前的工作相比,我们的决策变量的尺寸是独立的实验的时间范围。因此,我们的方法可以从大数据集的控制设计。
2020-12-09 math.OC
Performance Limitations of Distributed Integral Control in Power Networks Under Noisy Measurements
二次频率控制的分布式方法已经成为解决在具有日益分布式发电的电力网络中对更灵活的控制方案的需求的一种方式。分布式平均比例积分(DAPI)控制器提供了一种这样的方法。在本文中,我们分析了该控制器的瞬态性能,并具体解决了噪声频率测量下的性能问题。性能分析的H2范数度量,量化的同步瞬态中发生的功率损耗。虽然以前的研究表明,DAPI控制器表现良好,特别是在稀疏网络中,并与集中式平均PI(CAPI)控制器相比,我们的研究结果证明,加性测量噪声可能会对其性能和可扩展性产生显着的负面影响。这种影响被证明是减少与控制器的积分状态的增加节点间对齐,无论是通过增加增益或增加连接。然而,对于非常大和稀疏的网络,节点间对齐的要求是如此之大,以至于CAPI方法可能是优选的。总的来说,我们的研究结果表明,通过DAPI的分布式二次频率控制是可能的,并且在噪声测量下也可能表现良好,但需要仔细调整。
2018-02-28 math.OC
Optimal Performance of Feedback Control Systems with Limited Communication over Noisy Channels
考虑了传感器和控制器之间具有噪声信道的离散时间随机反馈控制系统。传感器内存有限。传感器每次都通过信道发送编码符号并更新其存储器。控制器接收所发送的符号的噪声版本,并且基于其所有过去的观察和动作来生成控制动作。该控制动作动作被反馈到系统中。在每个阶段,系统都会产生瞬时成本,这取决于设备的状态和控制动作。目标是选择编码、存储器更新和控制策略,以最小化有限时域上的期望总成本,或无限时域上的期望贴现成本,或无限时域上的期望单位时间平均成本。对于每种情况,我们得到一个顺序分解的最优化问题。结果被扩展到的情况下,当传感器使一个不完美的观察系统的状态。
2006-09-10 math.DS math.OC
Set-valued regression and cautious suboptimization: From noisy data to optimality
针对有界噪声下的未知函数次优化问题,论文提出基于最坏情形估计的集值回归方法,给出闭式解与凸性结果及在线安全迭代算法,并证明其收敛到真实优化器。
2025-06-09 math.OC
Tracking Slowly Moving Clairvoyant: Optimal Dynamic Regret of Online Learning with True and Noisy Gradient
The University of Iowa(爱荷华大学);Nanjing University(南京大学);Alibaba Group(阿里巴巴集团);IBM Thomas J. Watson Research Center(IBM托马斯·J·沃森研究中心)
本文主要研究在线凸优化的动态后悔问题,将在线学习的性能与一个预先知道损失函数序列的千里眼进行比较,从而在每一步选择损失函数的最小值。假设千里眼移动缓慢(即,最小值变化缓慢),我们提出了几个改进的基于变分的上界的动态遗憾下的真实和噪声梯度反馈,这是{ \it最优}鉴于所提出的下限.我们分析的关键是探索一个规律性的度量,衡量千里眼的最小化,我们称之为{ \it路径变化}的时间变化。首先,我们提出了一个一般的下界的路径变化,然后表明,在完全信息或梯度反馈下,我们能够实现最佳的动态后悔。其次,我们提出了一个下界与噪声梯度反馈,然后证明我们可以实现最优动态遗憾下的随机梯度反馈和两点强盗反馈。此外,对于一个序列的光滑损失函数,承认一个小的变化的梯度,我们的动态遗憾下的两点强盗反馈匹配所取得的全部信息。
2016-05-16 cs.LG math.OC stat.ML
Stackelberg Stochastic Differential Game with Asymmetric Noisy Observations
研究了一类具有非对称噪声观测的Stackelberg随机微分对策,其中有一个跟随者和一个领导者.在我们的模型中,跟随者不能直接观察到状态过程,但可以观察到一个嘈杂的观察过程,而领导者可以完全观察到状态过程。开环Stackelberg平衡被认为是。其次,首先求解了一个部分观测的随机最优控制问题,得到了该问题的最大值原理和验证定理。然后,领导者转向求解一个条件均值场正倒向随机微分方程的最优控制问题,证明了最大值原理和验证定理。讨论了具有非对称噪声观测的线性二次Stackelberg随机微分对策,以说明本文的理论结果。借助于某些Riccati方程,开环Stackelberg平衡点允许其状态估计反馈表示。
2020-07-11 math.OC
On the synthesis of control policies from noisy example datasets: a probabilistic approach
在这篇笔记中,我们考虑的问题,综合最优控制政策的系统从噪声数据集。我们提出了一种新的算法,作为输入的可用数据集,并根据这些输入,计算可能的随机和非线性系统,也满足驱动约束的最优策略。该算法依赖于坚实的理论基础,其关键根源是动力系统的概率解释。我们的方法的有效性是通过考虑自动驾驶汽车用例来说明的。对于这样的用例,我们利用我们的算法从噪声数据中合成一个控制策略,允许汽车合并到交叉口,同时满足对汽车速度方差的附加约束
2020-02-27 cs.IT math.IT math.OC
Fine-tuning for Data-enabled Predictive Control of Noisy Systems by Reinforcement Learning
Xi’an University of Technology(西安理工大学);University of Oslo(奥斯陆大学)
针对含噪系统中DeePC超参数调优效率低或保守的问题,提出通过强化学习自适应调整DeePC超参数的方法,经多噪声条件仿真验证可实现近最优超参数辨识与抗噪鲁棒性。
2025-05-30 math.OC
Computing optimal policies for managing inventories with noisy observations
针对含噪声观测、设置成本和延迟交货的部分可观测库存控制问题,本文采用 DDPG 计算近似最优策略,并在高斯情形下利用均值信念证明 (s_t,S_t) 策略结构及通过离散化数值验证性能。
2025-07-26 math.OC
Consistent inverse optimal control for infinite time-horizon discounted nonlinear systems under noisy observations
Shanghai Jiao Tong University(上海交通大学);Chalmers University of Technology and University of Gothenburg(查尔姆斯理工大学和哥德堡大学)
本文提出了一种针对无限时间 horizon 折扣非线性系统在噪声观测下的逆最优控制方法,通过占据测度框架和多项式近似,实现鲁棒且一致的成本函数恢复。
2026-02-08 math.OC
Optimal selection of the most informative nodes for a noisy DeGroot model with stubborn agents
Department of Electronics and Telecommunications, Politecnico di Torino(都灵理工大学电子与电信系);Department of Mathematical Sciences, Politecnico di Torino(都灵理工大学数学科学系);Lund University(隆德大学)
针对带固执代理和外部噪声的 DeGroot 意见动力学模型,研究通过观测最优个体子集以最小化平均意见估计方差的问题,证明目标函数具子模性并提出贪心算法显著降低计算复杂度。
2025-04-11 math.DS math.OC
Continuous time Stochastic optimal control under discrete time partial observations
本文针对连续时间状态演化、离散时间部分带噪观测的随机最优控制问题,提出基于概率测度值状态和贝叶斯更新的控制框架,并通过交错HJB方程及高斯情形下的有限维等价方程刻画最优策略,数值实验验证了其有效性。
2025-08-17 math.OC
A behavioral approach to data-driven control with noisy input-output data
研究了自回归(AR)形式的线性输入输出系统的数据驱动稳定性分析和反馈镇定问题。我们假设有限时间区间上的噪声输入输出数据是从某个未知的AR系统中获得的。基于数据的测试,然后开发分析是否未知的系统是稳定的,或验证是否存在稳定的动态反馈控制器。如果是这样,稳定控制器的计算使用的数据。为了做到这一点,我们采用行为方法来系统和控制,这意味着偏离现有的数据驱动控制方法。我们的结果严重依赖于AR形式的系统的渐近稳定性的一个特征,使用二次差分形式(QDF)的概念作为一个自然的框架,自治AR系统的李雅普诺夫函数。在输入-输出AR系统的背景下,我们引入了二次稳定和二次稳定的信息数据的概念,并建立了这些性质成立的充要条件。此外,本文将建立在二次矩阵不等式(QMIs)和Yakubovich的S-引理的矩阵版本的结果。
2022-06-16 math.OC
Nonconvex Low-Rank Tensor Completion from Noisy Data
Princeton University(普林斯顿大学);Tsinghua University(清华大学)
我们研究了一个具有广泛实际意义的噪声张量完备化问题,即从其条目的高度不完整和随机损坏的观测中重建低秩张量。虽然各种先前的工作一直致力于这个问题,以前的算法要么是计算太昂贵的大规模应用程序,或与次优的统计保证。专注于“不连贯”和良好的条件张量的恒定CP秩,我们提出了一个两阶段的非凸算法-(香草)梯度下降后,粗略的初始化-实现两全其美。具体而言,所提出的非凸算法忠实地完成张量,并在几乎线性的时间内检索所有的个体张量因子,同时享受接近最佳的统计保证(即最小的样本复杂性和最佳的估计精度)。估计误差均匀地分布在所有条目上,从而实现最佳的$\ell_{\infty}$统计精度。我们还讨论了如何扩展我们的方法来适应非对称张量。通过我们对非凸优化的分析所传达的见解可能对其他张量估计问题有影响。
2021-06-03 cs.IT cs.LG math.IT