Second order optimality conditions for piecewise regular extremals in Optimal Control
SISSA(的里雅斯特国际高等研究学校)
研究具有积分成本的最优控制问题二阶最优性条件,通过连接正则弧得极值,证明相关必要和充分条件,借助雅可比曲线框架,其在分段正则时具间断点,以一维自由控制系统为例展示二阶测试。
2026-07-14 math.OC
Arc-flow approach for single batch-processing machine scheduling
本文研究了在一台批处理机上以最小化完工时间为目标的不同加工时间和不同尺寸工件的调度问题。关于这个NP难问题的大量文献主要集中在算法学上。使用弧流为基础的优化方法,我们构建了一个巧妙的配方,表示它作为一个问题,确定流图。公式的大小随着作业之间不同大小和处理时间的数量而增加,但它不随着作业的数量而增加,这使得它非常有效地解决大型实例的最优性,特别是当多个作业具有相同的大小和处理时间时。我们将我们的模型与文献中的其他模型进行了比较,在基准实例上显示了其明显的优势,并证明了多达1亿个工作的随机实例的最优性。
2021-06-02 math.OC
Optimality conditions and regularity results for time optimal control problems with differential inclusions
研究了一类满足温和光滑性和可控性假设的微分包含的时间最优控制问题。特别地,我们不需要在$\mathcal S$的边界处的Petrov条件。因此,最小时间函数$T(\cdot)$不能局部Lipschitz--更不用说Lipschitz--接近$\mathcal S$。而不是这样的一个规则性,我们使用一个外球面条件的hypograph的$T(\cdot)$发展的分析。这样,我们得到了对偶弧包含,我们应用它来显示沿最优轨迹的哈密顿量的恒定性和其他最优性条件的哈密顿形式。我们还证明了$T(\cdot)$的所有非lipschitz点的集合的Hausdorff测度的一个上界,这意味着最小时间函数具有特殊的有界变差。
2013-11-18 math.OC
A Modular-Form Framework for Global Optimality in the Asymmetric Traveling-Salesman Problem
本文针对非对称旅行商问题构建基于模形式的等价框架,通过尖形式零点对应最优回路,结合三步滤波器提供全局最优性标量证书,搭建离散优化与数论的关联桥梁。
2025-11-17 math.CO math.OC
Hidden regularity in singular optimal control of port-Hamiltonian systems
针对线性端口哈密顿系统最小能量供应的状态转移问题,通过刻画最优性微分代数系统的正则性并提出秩最小二次扰动方法,解决了奇异弧下最优控制难以确定的难题。
2023-11-20 math.OC
Breaking the Hierarchy: Distributed Control & Economic Optimality in Microgrids
在电力传输系统的递阶控制架构之后建模,一级、二级和三级控制的分层已经成为孤岛微电网的标准操作范例。尽管这种表面上的相似性,在微电网的控制目标在这三个层是不同的和雄心勃勃的,他们必须实现,同时允许强大的即插即用操作和最大的灵活性,没有递阶决策和时间尺度分离。在这项工作中,我们探讨了这三个层的控制策略,并阐明了它们之间的一些可能意想不到的连接和依赖关系。从分散式初级下垂控制的第一原理分析,我们研究了集中式,分散式和分布式架构的二次频率调节。我们发现,平均为基础的分布式控制器使用发电机组之间的通信提供了最佳的组合的灵活性和性能。我们进一步利用这些结果来研究约束AC经济调度在三级控制层。令人惊讶的是,我们表明,经济调度问题的最小值是在一对一的对应关系与下垂控制可达到的稳态集。换句话说,采用下垂控制是必要的,并且足以实现经济优化。这种等效性导致选择下垂系数的简单指南,其包括用于功率共享的已知标准。我们通过仿真说明了我们的设计的性能和鲁棒性。
2014-12-08 math.OC
Bounds on time-optimal concatenations of arcs for two-input driftless 3D systems
研究了三维流形上由两个标量控制驱动的无漂移系统。我们假设每个标量控制有一个独立的界限上的模,我们证明了,局部周围的每一个点的控制向量场满足一些合适的非退化李括号条件,每个时间最优轨迹有最多5个爆炸或奇异弧。结果是使用一阶和二阶最优性必要条件得到的。
2019-11-25 math.OC
Branch & Solve for Hub Location
本文提出一种基于2-索引聚合流变量和聚合需求约束的枢纽选址新模型,并开发了利用嵌套结构的分支与求解框架,可求解多达200个节点的实例至最优。
2025-08-04 math.OC
Co-designing a Layered Control Architecture
University of Pennsylvania(宾夕法尼亚大学);Eindhoven University of Technology(埃因霍温理工大学);ETH Zürich(苏黎世联邦理工学院)
针对复杂工程系统中分层控制架构(LCA)缺乏系统设计理论的问题,提出线性时不变被控对象的两层LCA协同设计框架,可在帕累托前沿上权衡速度、精度等最优性维度,通过数值示例验证了权衡效果。
2026-10-16 cs.SY eess.SY math.OC
Optimality-Informed Neural Networks for Solving Parametric Optimization Problems
Saarland University(萨尔兰大学)
OptINNs通过结合KKT残差损失和问题特定激活函数,提高参数优化问题的求解精度、可行性和数据效率。
2026-11-05 cs.LG math.OC
First-order optimality conditions for non-commutative optimization problems
Universidad de Valladolid(巴利亚多利德大学);Faculty of Mathematics and Physics, University of Ljubljana(卢布尔雅那大学数学与物理学院);Famnit, University of Primorska, Koper(科珀普里莫斯卡大学 FAMNIT);Institute of Mathematics, Physics and Mechanics, Ljubljana(卢布尔雅那数学、物理与力学研究所);Institute for Quantum Optics and Quantum Information (IQOQI) Vienna Austrian Academy of Sciences(奥地利科学院维也纳量子光学与量子信息研究所);HUN-REN Institute for Nuclear Research(匈牙利研究网络核物理研究所)
本文提出非交换优化问题的一阶最优性条件,通过状态和算符两种类型约束,改进了半定规划的松弛方法,并验证了其在量子系统和贝尔不等式中的应用。
2026-02-21 math.OC quant-ph
Sensitivity relations for the Mayer problem with differential inclusions
在最优控制中,灵敏度关系通常被理解为包含体,其识别由对偶弧和哈密尔顿算子形成的对,沿着相关的最小化轨迹评估,作为值函数的合适的广义梯度。本文得到了与微分包含$\dot x\in F(x)$相关的Mayer问题的灵敏度关系,并应用灵敏度关系导出了最优性条件.我们的第一个应用程序涉及的最大值原理,并包括在显示,一个双弧可以构造的每一个元素的superdifferential的最终成本。作为我们的第二个应用,对于值函数在某个点$(t,x)$处的每个非零极限梯度,我们将在$(t,x)$处的一族最优轨迹与对应于不同极限梯度的族具有空相交的性质相关联。
2014-02-18 math.OC
A shooting algorithm for problems with singular arcs
本文对一类所有控制变量均为线性的最优控制问题提出了一种打靶算法。在一般情况下,射击系统具有比未知数更多的方程,并且使用高斯-牛顿法来计算射击函数的零点。如果打靶函数的导数在解处是一对一的,则该打靶算法是局部二次收敛的。本文的主要结果是证明当弱最优性的充分条件满足时,后者成立。我们注意到这个条件非常接近于二阶必要条件。对于打靶系统可化为具有相同未知数和方程数的平方系统的情形,我们证明了所述充分条件保证了小扰动下最优解的稳定性和摄动问题打靶函数的雅可比矩阵的可逆性.我们提出的数值试验,验证我们的方法。
2013-07-25 math.OC
Optimality-Informed Neural Networks for Lunar Landing Trajectory Optimization
Department of Mechanical and Aerospace Engineering(机械与航空航天工程系);The University of Tennessee(田纳西大学)
针对月球着陆轨迹优化问题,基于特定框架提出最优性感知神经网络方法,将庞特里亚金最小原理等硬编码进网络结构,直接代入最优推力定律,通过物理残差损失训练相关输出,给出理论分析与数值模拟验证。
2026-07-07 cs.LG cs.SY eess.SY
Logic-Based benders Decomposition for Wildfire Suppression
我们研究的问题,在燃烧的景观灭火资源,以尽量减少总面积烧毁。景观被建模为一个有向图,节点表示景观的区域,弧表示相邻关系。使用最小旅行时间原理对火灾蔓延进行建模。我们提出了一个非线性整数规划制定和精确解的方法,利用基于逻辑的Benders分解。我们基准的方法对一个混合整数规划和迭代局部搜索元启发式的文献。我们能够在合理的时间内解决具有挑战性的实例以证明最优性。
2022-09-03 math.OC
Smooth Indirect Solution Method for State-constrained Optimal Control Problems with Nonlinear Control-affine Systems
针对纯状态约束导致控制与协态不连续、经典间接法失效的问题,提出一种光滑间接求解方法,将状态约束最优控制问题转化为光滑两点边值问题求解,具备类任意时间算法特性并经数值验证。
2024-03-06 math.OC
Two-scale neural networks for optimal control of linear convection-dominated equations
Worcester Polytechnic Institute(伍斯特理工学院);The University of North Carolina at Greensboro(北卡罗来纳大学格林斯伯勒分校)
本文提出了一种双尺度神经网络方法,用于求解由对流主导的对流-扩散-反应方程所支配的最优控制问题。该方法基于针对奇异摄动前向问题开发的双尺度架构,通过引入适当缩放的特征来增强空间输入,当扩散系数变小时这些特征变得越来越重要。该方法分别使用神经网络处理最优系统的状态和伴随状态变量,反映了由于相反的对流场,这些量在域的不同部分发展出尖锐层的事实。通过为两个网络选择不同的中心点,架构自然地与每个变量的层位置对齐。本文提出了两种方法形式,一种基于一阶最优性条件,另一种使用惩罚PDE约束,并将其与逐步训练策略结合,逐步将扩散系数降至目标值。数值实验在基准问题上展示了所提出方法的有效性和行为。
2026-05-18 cs.NA math.NA math.OC
An Online Joint Optimization-Estimation Architecture for Distribution Networks
提出了一种配电网最优控制-估计体系结构,通过在线梯度反馈算法联合求解最优潮流(OPF)问题和静态状态估计(SE)问题。其主要目标是使最优控制器和状态估计器之间的快速和及时的互动有限的传感器测量。首先,所提出的算法的收敛性和最优性分析建立。然后,所提出的基于梯度的算法进行修改,通过引入固有的估计和线性化误差的统计信息的在线控制决策的改进和鲁棒性能。总的来说,所提出的方法消除了传统的分离的控制和操作,控制和估计通常在不同的层和不同的时间尺度。因此,它使一个计算负担得起的,有效的和强大的在线运营框架下随时间变化的设置分配网络。
2022-08-30 cs.SY eess.SY math.OC
Structural stability for bang--singular--bang extremals in the minimum time problem
本文研究了不动点间极小时间问题中bang-奇异-bang极值的结构稳定性。动力学是单输入和控制仿射。在标称问题($r = 0$)上,我们假设沿奇异弧的适当二阶变分的连续性以及bang弧和结点的正则性,从而得到了bang-奇异-bang极值轨线的严格强局部最优性.此外,在经典的研究经常的情况下,我们假设一个合适的可控性的财产,这授予的唯一性的伴随共向量。在这些假设下,我们证明,对于任何足够小的$r$,有一个bang-singular-bang极值轨迹,这是一个严格的强局部优化的$r$ -问题。同时也得到了标称极值对的图在邻域内的唯一性结果。通过最优控制的Hamilton方法和利用隐函数定理证明了结果,从而也可以进行灵敏度分析。
2013-05-13 math.OC
Singular Arcs in Optimal Control: Closed-loop Implementations without Workarounds
本文提出利用集成残差方法(IRM)在经济模型预测控制框架下求解含奇异弧的最优控制问题,无需特殊处理即可抑制波动,实现闭环结果与解析最优解高度吻合。
2025-04-23 cs.SY eess.SY math.OC
SAD Neural Networks: Divergent Gradient Flows and Asymptotic Optimality via o-minimal Structures
Department of Information Systems, University of Münster, Germany(慕尼黑大学信息系统系);Applied Mathematics: Institute for Analysis and Numerics, University of Münster, Germany(慕尼黑大学应用数学系);RiskLab Switzerland, ETH Zürich, Switzerland(苏黎世联邦理工学院瑞士风险实验室);Applied Mathematics: Institute for Mathematical Stochastics, University of Münster, Germany(慕尼黑大学应用数学系);School of Data Science and School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen), China(香港中文大学(深圳)数据科学学院和人工智能学院)
SAD神经网络通过o-最小结构的几何特性,证明了梯度流在特定条件下会发散到无穷大,揭示了神经网络损失优化的渐近最优性。
2026-01-12 cs.LG math.LO math.OC
Globally Optimal Gradient Descent for a ConvNet with Gaussian Inputs
深度学习模型通常使用梯度下降成功训练,尽管底层非凸优化问题的最坏情况困难。关键问题是在什么条件下可以证明优化会成功。这里我们提供了一个强有力的结果。我们考虑一个神经网络,它有一个隐藏层和一个没有重叠的卷积结构和一个ReLU激活函数。对于这种架构,我们表明,学习是NP完全的一般情况下,但当输入分布是高斯,梯度下降收敛到全局最优的多项式时间。据我们所知,这是在具有ReLU激活的卷积神经网络上梯度下降的第一个全局最优性保证。
2017-02-26 cs.LG math.OC stat.ML
Learning-Augmented Scalable Linear Assignment Problem Optimization via Neural Dual Warm-Starts
Department of Electrical and Computer Engineering, Technion -- Israel Institute of Technology, Haifa, Israel(电气与计算机工程系,技术学院——以色列理工学院,海法,以色列)
提出一种学习增强框架,通过预测对偶变量热启动精确求解器,并设计轻量级行独立架构RowDualNet避免O(N^2)内存瓶颈,实现可扩展的神经热启动,在保持最优性的同时获得超过2倍加速。
2026-05-31 cs.CV cs.DS cs.LG