A Piecewise Convexification Method for Non-Convex Multi-Objective Optimization Programs with Box Constraints
提出了一种求解带框约束的非凸多目标最优化问题的分段凸化方法。基于$α$ -based Branch and Bound(${\rm αBB}$)全局优化方法的思想和区间剖分,首先得到了该非凸多目标最优化问题的一系列凸松弛子多目标问题,这些子问题构成了原问题在全箱上的分段凸化问题.然后我们构造了这个分段凸化问题的(近似的,弱的)有效解集,并用这些集来近似原问题的全局(弱的)有效解集.此外,我们提出了一个分段凸化算法,并证明了该算法也可以通过计算多目标凸子问题的有效解集的有限子集来获得近似的全局有效解。最后,通过各种测试实例证明了其性能。
2022-06-26 math.OC
Auto-tuned Primal-dual Successive Convexification for Hypersonic Reentry Guidance
本文提出自适应原对偶序列凸化算法Auto-SCvx,通过闭式优化对偶变量自动更新惩罚超参数,无需手动调参即可可靠求解高超声速再入最优控制问题,性能优于现有方法。
2024-11-14 math.OC
A Modification Piecewise Convexification Method for Box-Constrained Non-Convex Optimization Programs
本文提出了一种分段凸化方法来逼近框约束非凸优化问题的整个近似最优解集。在盒子划分的过程中,我们首先对子盒子进行分类,在后续的划分中只继续划分部分子盒子。同时,应用基于$α$的分支定界({ \rm $α$ BB})方法,构造了一系列分段凸松弛子问题,统称为原问题的分段凸化问题.然后,我们定义的(近似)解集的分段凸化问题的基础上的分类结果的子盒。随后,我们推导出这些集合可以用来近似全局解集与预定义的质量。最后,提出了一种分段凸化算法,该算法采用了一种新的划分子盒选择规则和两种新的终止性检验。几个实例验证了这些技术有利于提高算法的性能。
2022-06-29 math.OC
Successive Convexification for Nonlinear Model Predictive Control with Continuous-Time Constraint Satisfaction
本文提出一种基于逐次凸化和多重打靶离散化的非线性模型预测控制框架,通过增广动力学实现连续时间约束满足与运行代价精确评估,并利用邻近线性SCP算法保证收敛和计算效率,数值算例验证了其在参考跟踪与避障中的有效性。
2024-04-26 math.OC
A successive convexification approach for robust receding horizon control
提出一种基于连续凸化和凸函数差表示的鲁棒非线性模型预测控制策略,通过构造管域处理扰动与近似误差,保证约束满足、递归可行性与闭环稳定性。
2025-01-27 math.OC
A Convexification-based Outer-Approximation Method for Convex and Nonconvex MINLP
针对凸与非凸MINLP问题,提出集成凸化与领域缩减技术的改进外逼近及分支定界方法,并集成至Pyomo-MindtPy,基准测试验证了其有效性与性能提升。
2024-07-30 math.OC
Rank-one convexification for quadratic optimization problems with step function penalties
本文提出秩一凸化方法,将带阶跃函数惩罚的凸二次优化转化为凸问题,并应用于0-1损失支持向量机,在异常值下实现稳健估计。
2025-04-23 math.OC
Successive Convexification with Feasibility Guarantee via Augmented Lagrangian for Non-Convex Optimal Control Problems
本文提出一种融合逐次凸化与增广拉格朗日法的新算法,通过对优化变量和拉格朗日乘子交替迭代,在保留SCvx优良特性的同时保证了对非凸最优控制问题可行局部解的全局收敛性。
2024-10-11 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
Lossless convexification of non-convex optimal control problems with disjoint semi-continuous inputs
本文提出了一种基于凸优化的方法来求解一类混合整数非凸最优控制问题的全局最优解。我们考虑的问题是非凸的输入范数,这是一个半连续的变量,可以是零或下限和上限。利用无损凸化,非凸问题放松到一个凸问题,其最优解被证明是最优的几乎处处为原问题。松弛的问题可以使用二阶锥规划来解决,二阶锥规划是凸优化的子类,存在具有收敛保证和多项式时间复杂度的数值可靠的求解器。这是混合整数最优化问题的第一个无损凸化结果。航天器与旋转空间站对接的一个例子证实了该方法的有效性,其计算时间比混合整数规划公式短近三个数量级。
2019-11-19 math.OC
Autonomous Parking by Successive Convexification and Compound State Triggers
Tier IV, Inc.(第四层公司(Tier IV, Inc.))
在本文中,我们提出了一个算法的最优生成非完整路径规划停车机动与运动汽车模型。我们演示了使用连续凸化算法(SCVX),保证路径的可行性和约束满足,停车的情况。此外,我们制定避障与状态触发的约束,使使用逻辑约束的连续制定的优化问题。本文有助于最佳非完整路径规划文献,通过演示使用SCVX和状态触发约束,允许制定的停车问题作为一个单一的优化问题。该算法可用于在狭窄的停车场环境中规划具有尖点的约束路径。
2020-10-11 cs.RO math.OC
The circle packing problem: a theoretical comparison of various convexification techniques
针对单位正方形内最大等圆装填这一非凸二次约束优化难题,本文比较多种凸化技术所得 LP 与 SDP 松弛的理论强度,并证明 Anstreicher 的猜想。
2024-04-03 math.OC
Error bounds for monomial convexification in polynomial optimization
单项式的凸包在文献中已经得到了广泛的研究,并且在松弛多项式的全局优化软件中实现了单项式凸化。然而,还没有研究的误差,在全局最优值从这样的方法。我们给出了$[0,1]^n$子集上凸化单项式的最坏情况误差的界。这意味着通过分别凸化每个单项式来放松多项式最优化问题的附加误差界。我们的主要误差界主要取决于单项的程度,使它们易于计算。由于单项凸化研究依赖于相关变量的界,在第二部分中,我们进行了误差分析的多线性单项在两种不同类型的框约束。作为这个分析的一部分,我们还得到了一个多线性单项式的凸包在$[-1,1]^n$。
2018-02-07 math.OC
Successive Convexification for Passively-Safe Spacecraft Rendezvous on Near Rectilinear Halo Orbit
Mitsubishi Electric Research Laboratories(三菱电机研究实验室);Mitsubishi Electric Corporation(三菱电机株式会社);University of California, Berkeley(加州大学伯克利分校)
提出基于连续凸化的优化方法,实现近直线晕轨道上航天器与门户空间站的燃料高效交会,确保被动安全并处理不确定性。
2026-10-27 math.OC
Successive Convexification: A Superlinearly Convergent Algorithm for Non-convex Optimal Control Problems
本文提出了一种求解非凸约束最优控制问题的连续凸化算法SCvx,该算法具有整体收敛和超线性收敛速率保证。该算法可以处理非线性动力学和非凸状态和控制约束。它通过连续线性化非凸动力学和前一次迭代解的约束来解决原问题的最优性。由此产生的凸子问题是数值上容易处理的,并且可以使用凸优化求解器快速可靠地计算,使得SCvx算法非常适合于实时应用。分析表明,该算法的全局收敛和超线性,保证i)局部最优恢复:如果收敛的解决方案是可行的,那么它也是一个局部最优; ii)强收敛:如果Kurdyka-Lojasiewicz(KL)不等式在收敛的解决方案,那么解决方案是唯一的。超线性收敛速率是通过利用最优控制问题的结构,展示了更快收敛速率,可以通过利用特定的问题属性相比,通用的非线性规划方法。针对非凸四旋翼运动规划问题进行了数值模拟,并将序列二次规划(SQP)和通用内点法(IPM)求解器的结果进行了比较。结果表明,SCvx算法的收敛速度确实是超线性的,而且SCvx算法比其他两种方法收敛次数少.
2019-02-27 math.OC
Successive Convexification for Real-Time 6-DoF Powered Descent Guidance with State-Triggered Constraints
针对广义自由末时间6自由度动力下降制导问题,提出了一种实时连续凸化算法。我们建立在我们以前的工作,引入以下贡献:(一)自由点火时间的修改,允许算法来确定最佳的发动机点火时间,(二)一个易于处理的空气动力学制定模型的升力和阻力,和(iii)一个连续的状态触发的约束制定,模拟有条件地强制执行的约束。特别地,贡献(iii)有效地允许通过以父连续最优化问题的解变量为条件的if语句来启用或禁用约束。据我们所知,这代表了一种新的配方在最优控制文献,并使一些有趣的应用,包括速度触发攻角约束和范围触发视线约束。我们的算法将由此产生的广义动力下降制导问题从一个非凸的自由最终时间最优控制问题转化为一系列易处理的凸二阶锥规划子问题。借助于虚拟控制和置信域修正,这些子问题连续求解,直到收敛。使用第三方求解器的仿真表明所提出的算法的实时能力,在众多的问题特征组合的最大执行时间为小于0.7秒。
2018-11-27 math.OC
On the convexification of a bilinearly constrained set with a common variable
Clemson University(克莱姆森大学)
本文研究含公共变量的双线性约束集的凸化,刻画其凸包极点、推导支撑面定义不等式的多面体描述,开发多项式时间分离算法并验证其有效性,为凸包几何提供洞察并提供不等式识别工具。
2026-10-14 math.OC
Intrinsic Successive Convexification: Trajectory Optimization on Smooth Manifolds
针对光滑流形轨迹优化中隐式流形约束导致的冗余运算和状态表示依赖问题,提出内蕴逐次凸化方法 iSCvx,并通过受非凸约束的航天器姿态轨迹优化示例验证其应用。
2025-03-17 cs.SY eess.SY math.OC
On the Convexification of Spectral Sets Induced by Non-Invariant Sets
Department of Business Analytics, Tippie College of Business, University of Iowa(爱荷华大学蒂皮商学院商业分析系)
本文研究了非不变集诱导的谱集凸化问题,通过几何特征化方法填补了相关研究的空白,并在不变集情况下获得了新的凸化结果。
2026-02-24 math.OC
2x2 convexifications for convex quadratic optimization with indicator variables
本文研究了带指示变量的凸二次最优化问题。对于二元情形,我们在原变量空间中描述了上图的凸包,并给出了一个二次曲线推广公式。然后,使用的凸包描述的二元情况下作为一个积木,我们推导出一个扩展的SDP松弛一般情况下。这个新的配方是强于其他SDP松弛在文献中提出的问题,包括Shor的SDP松弛,最佳的角度松弛以及最佳的秩一松弛。计算实验表明,所提出的公式是非常有效的,以减少完整性差距的最优化问题。
2020-04-16 math.OC
Tight MIQP Reformulations for Semi-Continuous Quadratic Programming: Lift-and-Convexification Approach
本文考虑了一类半连续二次规划问题,该问题在生产计划、投资组合选择和回归子集选择等实际应用中经常出现。我们提出了一个提升和凸化的方法来推导出一个等价的原问题的重新制定。该提升和凸化方法将仅在原始目标函数$f(x,y)$中涉及$x$的二次项提升为$x$和$y$两者的二次函数,并使该等效目标函数凸化。虽然我们的新的重构的连续松弛达到了相同的紧约束所取得的连续松弛的知名的透视重构,新的重构也保留了线性约束的二次规划结构的原始混合整数问题。这个突出的特性通过在根节点处提供与最先进的透视图重构相同的紧密性并在子节点处提供更快的处理时间来提高分支定界算法的性能。我们进一步结合升降和凸化的方法和二次凸重构方法在文献中形成一个更紧密的重构。从我们的计算测试中的投资组合选择和子集选择问题的结果,数值验证了我们的新的改写这些理论特征的好处。
2015-07-21 math.OC
Fuel-optimal Boost-Back Guidance via Successive Convexification with a Terminal Constraint for ReusableLaunch Vehicles
Sejong University(世宗大学)
本文提出一种基于逐次凸化的燃油最优助推-返回制导算法,通过终端瞬时撞击点约束和解析滑行段处理,在降低计算成本的同时实现接近最优的推进剂消耗,并基于Falcon 9任务验证了其有效性。
2026-09-25 math.OC
Discrete lossless convexification for pointing constraints
本文将离散无损凸化扩展至控制指向约束,并提出适用于控制非激活或受限于环形扇区的混合整数最优控制新表述,以拓宽可行空间。
2025-06-09 math.OC
Convexification with bounded gap for randomly projected quadratic optimization
基于Johnson-Lindenstrauss引理的随机投影技术用于随机聚集最优化问题的约束或变量,同时近似保持其最优值,从而导致较小规模的最优化问题。D 'Ambrosio等人将随机投影应用于二次最优化问题,以减少决策变量的数量。虽然问题规模变小了,但如果原始问题是非凸的,那么投影问题几乎肯定也是非凸的,因此很难解决。本文针对非凸二次最优化问题的非凸性可以通过随机投影得到缓解这一事实,通过将其归结为一个较小规模的凸问题,找到了该问题的近似全局最优值.据我们所知,我们的论文是第一个将随机投影用于非凸优化问题的凸化。本文研究了一类非凸优化问题的最优解与其凸化随机投影问题的最优解之间的逼近误差。
2021-07-12 math.OC
Successive Convexification of Non-Convex Optimal Control Problems and Its Convergence Properties
本文提出了一种求解非凸最优控制问题的算法,其中非凸性可以由非线性动力学、非凸状态和控制约束引起。本文假设状态和控制约束已经是凸的或凸化的,所提出的算法通过线性化,以连续的方式凸化非线性动力学。因此,在每一个序列,一个凸最优控制子问题的解决。由于动力学是线性化的,其他约束是凸的,经过离散化,子问题可以表示为有限维凸规划子问题。由于凸优化问题可以非常有效地解决,特别是使用自定义求解器,因此可以在时间关键型应用中解决这个子问题,例如自动驾驶车辆的实时路径规划。算法中引入了虚拟控制和置信域等安全保护技术,增加了算法的鲁棒性。在连续时间条件下给出了收敛性分析.通过这样做,我们的收敛结果将是独立于任何用于离散化的数值方案。针对说明性轨迹优化示例执行数值模拟。
2017-05-04 math.OC
Lossless Convexification of Optimal Control Problems with Semi-continuous Inputs
针对一类混合整数非凸最优控制问题,提出了一种新的基于凸优化的全局最优解求解方法。我们考虑非凸约束的问题,限制输入规范为零或下限和上限。将非凸问题转化为凸问题,并证明其最优解在原问题的几乎处处都是最优的,这一过程称为无耗凸化。本文是第一个允许个人输入集重叠,并有不同的范数界,积分输入和状态成本,凸状态约束,可以在离散时间实例激活。该解决方案依赖于二阶锥规划,并证明了一类有意义的最优控制问题的二进制变量可以可靠地解决,在多项式时间。一个推力-框架耦合约束的火箭着陆算例验证了该方法的有效性。
2019-11-19 math.OC
Intersection Cuts for Nonlinear Integer Programming: Convexification Techniques for Structured Sets
本文研究了从混合线性规划到混合非线性规划的分裂、k-分支分裂和交割的推广。构造这种割需要计算具有简单几何结构的凸集与开集之间的差的凸包。我们介绍了两种技术,给出精确的刻画,这样的凸包,并使用它们来构建分裂,k-分支分裂,并为几个类的非多面体集的相交切割。特别是,我们给出了简单的公式,基本上所有的凸集的分裂切割所描述的一个单一的二次不等式。我们也给出了简单的公式,k-分支分裂切割和一些一般的相交切割的各种凸二次集。
2014-06-11 math.OC
Successive Convexification for Trajectory Optimization with Continuous-Time Constraint Satisfaction
提出一种仅需一阶信息的实时非凸轨迹优化框架连续凸化,结合外部惩罚、广义时间膨胀、多重打靶、$\ell_1$精确惩罚与prox-linear方法,实现连续时间约束满足并保证收敛至KKT点,在动态避障与火箭着陆中验证有效。
2024-04-25 math.OC
Lossless Convexification and Duality
本文研究非凸半定规划问题(SDPs)的强对偶性,证明了一类源于控制分析与设计的特殊结构非凸SDPs在Slater条件下满足强对偶性,以期加深理解并促进基于KKT条件的分析。
2024-06-13 math.OC
Successive Convexification for Trajectory Optimization with Continuous-time Satisfaction of Signal Temporal Logic Specifications
University of Washington(华盛顿大学)
提出基于广义均值鲁棒性的逐次凸化框架,将连续时间信号时序逻辑约束转化为可微形式,结合时间缩放、控制参数化、多重打靶离散化和收敛保证的序贯凸规划求解非凸轨迹优化问题。
2026-06-05 math.OC
Quadratic Convexification of a Square Truncated by a Hyperbola
Clemson University(克莱姆森大学)
研究由双曲线截断的正方形构成的非凸集$G$,刻画其非负二次多项式锥的极射线,推导其提升凸包的精确有限半定表示,完善了乘积约束区域的凸化理论。
2026-08-28 math.OC
On Convexification of Range Measurement Based Sensor and Source Localization Problems
这份手稿是作者提交的期刊的初步预印本,重新审视了基于距离测量的信号源或传感器定位问题。该问题的主要几何困难来自于与距离测量相关联的优化任务的非凸结构,注意到对应于由不动点传感器进行的一定距离测量的源位置的集合在二维和三维中都是非凸的。从最近的各种方法,这个本地化问题,所有开始与非凸几何最小化问题,并试图设计方法来补偿非凸性的影响,我们建议一个几何策略,组成一个凸最小化问题,这是相当于初始的非凸问题,至少在无噪声测量的情况下。一旦形成凸等价问题,就可以应用各种各样的凸最小化算法。本文还提出了一种基于梯度的定位算法,利用引入的凸费用函数定位。此外,测量噪声的影响进行了简要的讨论。设计、分析和讨论由一组数值模拟支持。
2013-10-25 math.OC
Efficient Convexification of Kolmogorov-Arnold Networks with Polynomial Functional Forms Via a Continuous Graham Scan Approach
Cornell University(康奈尔大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出一种连续凸化框架,用于多项式函数形式的Kolmogorov-Arnold网络,通过精确构造凸包的位切线,实现高效且稳健的凸松弛。
2026-04-04 math.OC
Convexification of classes of mixed-integer sets with L$^\natural$-convexity
Université de Montréal(蒙特利尔大学);Northwestern University(西北大学)
基于L$^\natural$-凸性,研究混合整数集的凸化问题,提出线性不等式和凸包描述,揭示混合整数结构中的隐藏L$^\natural$-凸性。
2026-09-10 math.OC
Convexification of Permutation-Invariant Sets and an Application to Sparse PCA
我们开发的技术,凸的一组不变的变量的置换和/或符号的变化,并讨论这些结果的应用。首先,我们凸化置换的单位球与符号不变范数的交集,并给出基数约束。这给出了稀疏主成分分析(稀疏PCA)的可行集的非线性公式和$K$支持范数的另一种证明。其次,我们刻画了通过约束矩阵的奇异值定义的矩阵集的凸包。因此,我们推广了较早的结果,其特点的凸包的秩约束矩阵的谱范数低于给定的阈值。第三,我们得到了超立方体上各种置换不变非线性函数及其水平集的凸包络和凹包络,且所有变量都有全等界。最后,我们发展了稀疏向量的外积的新松弛。使用这些松弛稀疏PCA,我们表明,我们的放松关闭$98\%$的差距留下了一个经典的SDP松弛的情况下,协方差阵的维度高达$50\times 50$。
2021-08-06 math.OC
Lossless Convexification for Linear Systems with Piecewise Linear Controls
University of California, Berkeley(加州大学伯克利分校)
本文提出一种算法,将无损凸化(LCvx)的理论保证扩展至分段线性控制,通过扰动控制范数下界并添加速率约束,确保在离散化后仍能求解非凸最优控制问题。
2025-09-18 math.OC
Revisiting Lossless Convexification: Theoretical Guarantees for Discrete-time Optimal Control Problems
本文扩展无损凸化理论至离散时间最优控制,通过扰动与二分搜索分别处理正常与长时域情形,保证最优控制满足非凸约束,提升理论适用性。
2025-03-31 math.OC
A Unifying Convexification Framework for Chance-Constrained Programs with Finite Support via Bilinear Formulations over a Simplex
Edwardson School of Industrial Engineering, Purdue University(普渡大学爱德华森工业工程学院);Department of Industrial Engineering, Clemson University(克莱姆森大学工业工程系)
本文提出一种基于单纯形双线性公式的统一凸化框架,通过聚合技术强化机会约束规划混合集的松弛,其不等式覆盖基准实例凸包90%以上的面定义不等式,推进了相关多面体理解。
2026-08-12 math.OC
GPU-Accelerated Continuous-Time Successive Convexification for Contact-Implicit Legged Locomotion
University of Washington(华盛顿大学);Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
本文提出了一种基于连续时间递进凸优化的接触隐式腿部运动方法,通过引入积分互补性约束消除接触事件丢失风险,提升求解效率,实现更灵活的接触模式切换。
2026-04-11 cs.RO math.OC
Convexification of Multi-period Quadratic Programs with Indicators
研究带指示变量的多期二次优化问题,通过投影状态变量构建闭凸包表示和紧二阶锥规划公式,并提出基于最短路径的多项式时间算法,应用于统计学习与混合系统控制。
2024-12-22 math.OC
Convexification Techniques for Fractional Programs
本文建立分式函数与多项式函数凸包的对应关系,提出0-1分式、二次比、单变量分式及多仿射比问题的多种凸化与松弛方法,并证明其更紧、更省算力且可求解更大实例。
2024-06-15 math.OC
Convexification of mixed-integer quadratic optimization via decision diagrams
University of Michigan(密歇根大学);National University of Singapore(新加坡国立大学);University of Cincinnati(辛辛那提大学);University of Southern California(南加州大学)
该研究针对带指示变量的混合整数二次优化问题,提出基于决策图的统一框架,可构造理想凸包扩展形式,在特定条件下具多项式规模,实验验证其有效性。
2026-08-25 math.OC
Graph-Based Convexification of Nested Signal Temporal Logic Constraints for Trajectory Optimization
针对高层任务规划约束优化复杂度高、子问题关联处理复杂的问题,提出基于图的嵌套STL约束凸化方法,将约束转为线性近似,经卫星制导用例验证有效。
2023-10-21 math.DS math.OC
Convexification of bilinear terms over network polytopes
针对网络多面体上双线性约束 McCormick 松弛对偶界差的问题,提出基于网络特殊树和森林结构的凸包定义面不等式构造方法,并通过计算实验验证其有效性。
2024-02-26 math.OC
Uncertainty-aware Three-phase Optimal Power Flow based on Data-driven Convexification
本文提出了一种新的优化框架,制定三相最优潮流,涉及不确定性。所提出的不确定性感知优化(UaO)框架是:1)确定性框架,其比涉及不确定性的现有优化框架复杂度低; 2)凸的,使得其允许多项式时间算法和成熟的分布式最优化方法。为了构建这个UaO框架,提出了一种学习辅助的不确定性感知建模方法,以随机变量的预测误差作为不确定性的度量,以及数据驱动的凸化理论。从理论上讲,UaO框架适用于不确定性下的一般最优化问题建模。
2021-01-19 cs.SY eess.SY math.OC
On convexification/optimization of functionals including an l2-misfit term
我们提供了计算f(x)型泛函的下半连续凸包络的理论,加上一个l2失配,并讨论了各种非凸优化问题的应用。后一项是数据拟合项,而f提供对x的结构约束。通过最小化上面的表达式,可能有额外的约束,我们因此找到了匹配测量数据和在x上强制执行特定结构(如稀疏性或低秩)之间的折衷。对于这些特殊情况,该理论提供了凸松弛技术的替代方案,如l1最小化(向量)和核范数最小化(矩阵)。对于泛函的L2失配包括一个奇异矩阵和凸包络通常是不明确可计算的,我们提供的理论如何极小化(明确可计算)近似凸包络与极小化的原始功能。特别是,我们给出了明确的条件时,两者重合。
2018-11-09 math.FA math.OC
Risk-Sensitive Model Predictive Control for Interaction-Aware Planning -- A Sequential Convexification Algorithm
本文针对人机交互场景中具有决策依赖分布的随机系统,提出一种风险敏感模型预测控制的序列凸化算法,通过推导目标函数与碰撞避免惩罚项的凸上界,将非凸最优控制问题转化为一系列凸问题高效求解,并在机器人导航仿真中验证了其有效性与计算优势。
2025-05-30 cs.SY eess.SY math.OC
Efficient Solution Strategy for Chance-Constrained Optimal Power Flow based on FAST and Data-driven Convexification
电力系统中多负荷和可再生能源发电的不确定性增加了决策者潮流分析的复杂性。机会约束法可用于不确定性下的潮流最优化问题建模。提出了一种基于数据驱动的潮流凸化方法和快速情景算法的机会约束交流最优潮流(CCACOPF)求解方法。这种方法在计算上是有效的,主要有两个原因。首先,原来的非凸交流潮流(ACPF)的约束近似的一组学习为基础的二次凸的。第二,FAST是一种基于神经网络的高级求解方法(SSM),它不依赖于预先假设的概率分布,使用的场景比传统的SSM少得多。最后,CCACOPF转换成一个计算易处理的凸优化问题。IEEE算例的仿真结果表明:1)该方法在计算效率上优于传统的SSM方法; 2)数据驱动的凸化潮流方法能够有效地逼近原始复杂交流潮流。
2021-11-11 cs.SY eess.SY math.OC
Convexification of Learning from Constraints
Max Planck Institute for Informatics(马克斯·普朗克计算机科学研究所)
带有约束标签(与固定标签相反)的正则化经验风险最小化是一种非常普遍的学习抽象。对于常见的损失和正则化函数,该优化问题假设为目标函数为非凸的混合整数规划(MIP)的形式。在这种形式下,问题是抵抗标准优化技术。我们构造了目标函数为凸的具有相同解的MIP。具体来说,我们的特点是紧凸扩展的目标函数,由Legendre-Fenchel双共轭。计算这个最紧凸扩张的值是NP-困难的。然而,通过将我们的特征应用于目标函数的加法分解中的每个函数,我们获得了一类可以有效计算的更宽松的凸扩展。对于一些分解,常见的损失和正则化函数,我们得到一个封闭的形式。
2016-02-22 cs.LG math.OC stat.ML
Geometric Conditions for Lossless Convexification in Linear Optimal Control with Discrete-Valued Inputs: Real-Time Implementation for Spacecraft Rendezvous
University of Kentucky(肯塔基大学)
本文提出了一种用于线性时变系统最优控制的无损凸化框架,通过几何条件确保放松后的凸问题解满足原始非凸输入约束,从而实现实时离散值控制。
2026-05-21 cs.SY eess.SY math.OC
Exact Solutions to a Class of Constrained Optimal Control Problems via Lossless Convexification for Digital Control
Indian Institute of Technology Bombay(印度孟买理工学院);Georgia Institute of Technology(佐治亚理工学院)
针对航空航天应用中线性系统的约束非凸连续时间最优控制问题,利用无损凸化技术转化为凸问题,通过对控制空间有限参数化建立有效数值方法,在航天器着陆问题上验证其有效性,可用于实际航天制导与控制。
2026-07-15 cs.SY eess.SY math.OC
Convex Optimization-Based Model Predictive Control for the Guidance of Active Debris Removal Transfers
针对主动碎片清除转移制导问题,提出基于凸优化的MPC方法,利用GEqOE和split-Edelbaum参考更新消除逐次凸化,并在高保真模型下实现无迭代精确求解。
2023-08-17 math.OC
Branch Flow Model: Relaxations and Convexification (Parts I, II)
Engineering and Applied Science(工程与应用科学学院);Caltech(加州理工学院)
提出支路潮流模型,通过两步松弛(角度松弛和锥松弛)高效求解最优潮流问题,证明辐射状网络松弛精确,网状网络通过移相器凸化可保证全局最优。
2013-04-11 cs.SY eess.SY math.OC
On the Partial Convexification for Low-Rank Spectral Optimization: Rank Bounds and Algorithms
本文研究低秩谱优化问题的部分凸化松弛,推导其可行集极点的紧秩界,并开发列生成与秩缩减算法,确保解满足理论秩界,数值实验验证了松弛强度与算法有效性。
2023-06-21 math.OC stat.ML