Min-max optimization over slowly time-varying graphs
本文研究缓慢时变网络上的去中心化鞍点极小极大优化问题，证明每次迭代仅改变两条边即可将收敛减缓至任意时变情形，并探讨了几类可降低通信复杂度的时变图。
2023-09-07 math.OC
The Internal Model Principle of Time-Varying Optimization
University of Louvain（鲁汶大学）；Miami University（迈阿密大学）
本文提出时变优化的内模原理，证明算法跟踪时变优化器当且仅当包含时间变异性模型，并基于输出调节与中心流形理论给出精确跟踪条件，通过合成及动态交通分配实验验证有效性。
2025-10-25 math.OC
Time-Varying Convex Optimization via Time-Varying Averaged Operators
设计有效的算法来跟踪连续变化的凸优化问题的优化器在许多应用中是关键。一种可能的策略是以恒定速率对时变问题进行采样，并解决由此产生的时不变问题。在许多情况下，这可能在计算上过于繁重。另一种策略是建立一个迭代算法，该算法生成一系列近似优化器，每次通过算法的一次迭代获得新的采样时不变问题时，都会对这些近似优化器进行细化。这些类型的算法被称为运行。现有算法的一个主要局限性是对时变凸函数的强凸性和强光滑性的基本假设。此外，约束仅在简单情况下处理。这限制了当前运行算法来解决相关问题的能力，例如$\ell_1$ -正则化优化程序。在本文中，这些假设被解除，利用平均算子理论和一个相当全面的框架，随时间变化的凸优化。在这样做的过程中，一些广泛使用的算法的运行版本的收敛特性的新结果。
2017-11-27 math.OC
Reverse and Forward Engineering of Local Voltage Control in Distribution Networks
可再生能源和分布式能源在配电网中的渗透率越来越高，这就要求实时分布式电压控制。在本文中，我们研究本地电压/无功控制与一般类的控制功能，并表明，电力系统动态与非增量本地电压控制可以看作是分布式算法解决一个定义明确的最优化问题（逆向工程）。逆向工程进一步揭示了非增量电压控制的根本局限性：收敛条件是限制性的，并阻止在平衡时更好的电压调节。这促使我们设计两个增量局部电压控制方案的基础上，分别为解决同一个最优化问题（正向工程）的次梯度和伪梯度算法。新的控制方案解耦的动力学性质的平衡性质，并有更少的限制收敛条件。这项工作提出了另一个步骤，发展一个新的基础-网络动态优化算法-分布式实时控制和优化未来的电力网络。
2018-07-18 math.OC
PANDA: A Dual Linearly Converging Method for Distributed Optimization over Time-Varying Undirected Graphs
本文考虑时变网络上的分布式凸优化问题。我们提出了一个对偶方法，R-线性收敛到最优点的代理的目标函数是强凸的，并有Lipschitz连续梯度。所提出的方法需要一半的量的可变交换比基于DIGing的方法，并产生改进的实际性能的经验证明。
2018-04-20 math.OC
Time-varying Projected Dynamical Systems with Applications to Feedback Optimization of Power Systems
本文主要研究连续时间非光滑动力系统的时变非凸优化问题，例如电力系统的反馈优化问题。我们推广的概念，投影动力系统随时间变化，可能是非正规的，域和推导条件存在所谓的Krasovskii解决方案。关键的见解是，对于存在的轨迹，非正式地，时变域只能以有限的速率收缩，而它可能不连续地扩展。这个条件是满足的，特别是，通过分段可微函数在适当的约束规格界定的可行集。为了说明这样一个一般框架的必要性和有用性，我们考虑一个简单而有见地的电力系统的例子，我们讨论了反馈优化方案的设计所提出的条件的影响。
2018-11-21 math.OC
Projected Gradient Method for Decentralized Optimization over Time-Varying Networks
时变图（网络）上的分散分布优化问题是当前最优化理论和一致性理论的一个非常热门的研究分支。考虑这种网络的动机之一是无人机网络的应用。然而，这一分支的第一个理论结果仅出现在五年前（Nedic，2014）。关于强凸光滑最优化问题在这种网络上的几何收敛率的可能性的第一个结果仅在两年前获得（Nedic，2017）。在本文中，我们提高了几何收敛速度，在后一份文件中考虑的一类问题，使用原来的惩罚方法技巧和鲁棒性的投影梯度下降。
2020-06-22 math.OC
A geometrically converging dual method for distributed optimization over time-varying graphs
本文考虑时变无向网络上的分布式凸优化问题。我们提出了一种对偶方法，主要是平均网络对偶上升（PANDA），这是证明收敛R-线性最优点的代理目标函数是强凸的，并有Lipschitz连续梯度。像对偶分解，PANDA需要一半的量的变量交换每单位的方法的基础上DIGing，并可以提供实际的改进性能的经验证明。
2018-10-12 math.OC
Distributed Convex Optimization for Continuous-Time Dynamics with Time-Varying Cost Function
研究了连续时间多智能体系统的时变分布凸优化问题。控制算法的情况下，单积分器和双积分器的动态设计。在每种情况下，提出了两种基于符号函数的不连续算法来解决问题。然后，在双积分动力学的情况下，两个连续的算法的基础上，分别提出了一个时变和固定的边界层连续近似的signum函数。此外，考虑到代理间碰撞的物理代理，一个分布式的群体跟踪行为的凸优化问题的单积分器和双积分器的动态。
2016-09-06 math.OC
Time-Varying Multi-Objective Optimization: Tradeoff Regret Bounds
Czech Technical University in Prague（布拉格捷克理工大学）
本文研究了时间变化多目标优化问题，通过证明权衡遗憾界，提供了一种在动态环境中调整决策变量以适应目标变化的方法。
2025-04-19 math.OC
Distributed Optimization over Time-varying Graphs with Imperfect Sharing of Information
我们研究强凸分布最优化问题，其中一组代理有兴趣解决一个可分离的最优化问题合作。在本文中，我们提出并研究了两个时间尺度分散梯度下降算法的一个广泛的类的有损信息共享的时变图。一个时间尺度淡出来自相邻代理的（有损的）传入信息，并且一个时间尺度调节局部损失函数的梯度。对于强凸损失函数，通过适当选择步长，我们证明了智能体的估计以$O(T^{-1/2})$的速度收敛到全局最优状态。这项工作的另一个重要贡献是提供了新的工具来处理随时间变化的图形的平均权重递减。
2022-08-14 math.OC
Feedback Optimization of Dynamical Systems in Time-Varying Environments: An Internal Model Principle Approach
本文针对动态系统反馈优化在时变环境下跟踪慢和适应性差的问题，提出基于内模原理的输出调节新视角与方法，通过耦合输出反馈稳定化与控制组件实现时变优化器的高效跟踪。
2025-09-17 math.OC
Multi-agent constrained optimization of a strongly convex function over time-varying directed networks
我们认为合作的多智能体共识最优化问题在静态和时变通信网络，只允许本地通信。我们的目标是最小化代理特定的私人圆锥约束集上的代理特定的可能非光滑的复合凸函数的总和，因此，最佳的共识决策应该位于这些私人集合的交集。假设和函数是强凸的，我们提供了收敛速度在次优，不可行性和共识违反，检查底层网络拓扑结构的影响上的收敛速度的建议分散算法。
2017-06-24 math.OC
Fenchel Dual Gradient Methods for Distributed Convex Optimization over Time-varying Networks
在现有的大量凸多智能体优化分布式算法中，只有少数算法能保证智能体网络在时变拓扑下的收敛速度，而这又限制了问题的无约束性.出于这一动机，我们开发了一个家庭的分布式Fenchel双梯度法解决约束，强凸，但不一定光滑的多智能体最优化问题随时间变化的无向网络。所提出的算法构造的基础上应用加权梯度法的Fenchel对偶的多智能体最优化问题，并可以实现在一个完全分散的方式。我们表明，所提出的算法驱动所有的代理原始和对偶最优渐近下的最小连通性条件和次线性速率下的标准连通性条件。最后，通过仿真验证了分布式Fenchel对偶梯度法的良好收敛性能.
2018-04-05 math.OC
Ensemble Laplacian Biogeography-Based Sine Cosine Algorithm for Structural Engineering Design Optimization Problems
针对结构工程设计优化中算法易陷局部极小、收敛慢的问题，提出融合LX-BBO与SCA的集成元启发式算法LX-BBSCA，经基准函数与实际工程问题验证，性能优于多种现有算法。
2023-10-08 math.OC
Prediction-Correction Interior-Point Method for Time-Varying Convex Optimization
本文提出了一种求解一类目标函数和约束函数均为时变的凸优化问题的内点法。利用对数障碍罚函数，我们提出了一个连续时间动力系统跟踪（时变）最优解的渐近消失的误差。该动力系统由两个项组成：（i）由牛顿法的连续时间版本组成的校正项，以及（ii）能够通过考虑目标和约束函数的时变性质来跟踪最优解的漂移的预测项。使用适当选择的时变松弛和障碍参数，我们确保这个动力系统的解决方案全局渐近收敛到最优解的指数速度。我们说明了所提出的方法在两个实际应用中的适用性：稀疏促进最小二乘问题和无碰撞机器人导航问题。
2016-08-26 math.OC
Developing Optimization Models with Cognitive Systems Engineering
为提升应用运筹学的严谨性，本文提出将认知系统工程方法与优化模型开发相整合的框架，并应用于大型学术机构应对COVID-19的洗手液站点选址案例研究。
2024-07-30 math.OC
Prediction-Correction Splittings for Nonsmooth Time-Varying Optimization
本文针对时变强凸函数与时不变非光滑凸函数之和的优化问题，提出基于预测-校正的在线分裂算法框架，结合前向-后向与Douglas-Rachford方法，证明了近似解收敛到最优轨迹邻域，并通过机器人编队仿真验证了算法性能。
2019-03-01 math.OC
Distributed Algorithm Over Time-Varying Unbalanced Topologies for Optimization Problem Subject to Multiple Local Constraints
研究了局部约束可能不同的分布式最优化问题，其全局目标函数由$N$凸函数组成.我们的目的是解决所考虑的最优化问题在一个分布式的方式在随时间变化的不平衡的有向拓扑结构，只使用本地信息，只执行本地计算。为此，综合行随机阵序列和列随机阵序列分析技术，提出了一种新的分布式离散时间算法。此外，对于分布式离散时间算法，它的收敛性的最优解以及它的收敛速度建立在一些温和的假设。最后通过数值模拟验证了理论分析的正确性。
2022-08-25 math.OC
Stochastic Decentralized Optimization of Non-Smooth Convex and Convex-Concave Problems over Time-Varying Networks
MIPT（莫斯科物理技术学院）；Research Center of the Artificial Intelligence Institute, Innopolis University（因诺波利斯大学人工智能研究所）；ISP RAS（俄罗斯科学院斯捷克洛夫数学研究所）
本文研究了在时间变化网络上非光滑随机去中心化优化问题，针对非光滑随机强凸优化和非光滑随机强凸-强凹鞍点优化提出方法，应用于深度神经网络训练和生成对抗网络训练。
2026-04-26 math.OC
Convex Synthesis of First-Order Methods for Time-Varying Smooth Strongly Convex Optimization
Miami University（迈阿密大学）；University of Louvain（鲁汶大学）
本文提出一种鲁棒控制合成框架，用于设计时间变化的光滑强凸优化的一阶方法，通过嵌入底层变化模型来提高动态场景下的优化性能。
2026-04-10 math.OC
Algorithm Engineering in Robust Optimization
鲁棒优化是一个年轻而新兴的研究领域，在过去的十年中受到了相当大的关注。在本文中，我们认为，算法工程方法非常适合鲁棒优化领域，并产生一个有益的新的角度对目前的研究状况和开放的研究方向。为此，我们通过设计和分析的概念，算法的开发和实施，理论和实验评估的算法工程周期。我们发现，许多想法的算法工程已经被应用在出版物的强大的优化。大多数关于鲁棒优化的工作都致力于概念的分析和算法的开发，一些论文涉及案例研究中特定概念的评估，概念比较的工作才刚刚开始。在许多关于鲁棒性的论文中，仍然存在的一个缺点是缺少一个环节，即在设计中再次包含实验结果。
2016-01-11 cs.DS math.OC
Distributed Prediction-Correction ADMM for Time-Varying Convex Optimization
本文提出基于预测-校正框架的对偶正则化ADMM，用于分布式时变凸优化，并通过数值实验证明其在渐近误差和一致性约束违反方面优于非精确梯度法和精确对偶分解方法。
2020-11-17 math.OC
Prediction-Correction for Nonsmooth Time-Varying Optimization via Forward-Backward Envelopes
本文针对强凸时变函数与凸非光滑函数之和的最小化问题，提出结合预测-校正方案与前向-后向包络的算法，证明解收敛到依赖采样时间的优化器邻域，并通过弹性网络正则化的时变回归仿真验证其有效性。
2019-02-08 math.OC
No-regret optimization of time-varying bilevel problems
Unité de Mathématiques Appliquées（应用数学单元）；ENSTA（国立高等先进技术学院）；Institut Polytechnique de Paris（巴黎理工学院）；Unité d’Informatique et d’Ingénierie des Systèmes（信息与系统工程学院）
本文研究了在时间变化的下层响应未知的情况下，如何通过基于贝叶斯优化的W-SparQ-BL框架实现双层优化问题的无遗憾解法，该方法利用多输出高斯过程建模下层映射，并在不确定性下实现高效优化。
2026-05-20 math.OC
A Distributed Optimization Algorithm over Time-Varying Graphs with Efficient Gradient Evaluations
我们提出了一个算法，分布式优化时变通信网络。我们的算法使用优化的通信轮数和梯度评估之间的比例，以实现快速收敛。迭代收敛到全局优化器的速度与集中式梯度下降相同，当使用最小数量的通信来这样做时，根据梯度评估的数量来测量。此外，迭代收敛在一个接近最佳的速度时，测量的通信轮数。我们比较我们的算法与其他几个已知的算法的分布式目标定位问题。
2020-01-07 math.OC
Distributed proximal gradient algorithm for non-smooth non-convex optimization over time-varying networks
研究了具有非光滑正则化的分布式非凸优化问题，该问题在分散学习、估计和控制中有着广泛的应用。目标函数是不同的局部目标函数的和，这些局部目标函数由可微的（可能是非凸的）费用函数和非光滑的凸函数组成。针对时变多智能体网络上的非光滑非凸优化问题，提出了一种分布式近似梯度算法。每个智能体通过多步一致性算子和邻近算子更新局部变量估计。我们证明了生成的局部变量达到共识，收敛到一组临界点的收敛速度$O(1/T)$。最后，通过数值模拟验证了该算法的有效性.
2021-03-03 math.OC
Is Consensus Acceleration Possible in Decentralized Optimization over Slowly Time-Varying Networks?
我们考虑分散最优化问题，其中一个目的是最小化的凸光滑目标函数分布在网络中的节点之间的总和。网络中的链接可能会随时发生变化。对于任意变化量的设置，较低的复杂度界限和相应的最优算法是已知的，并且共识加速是不可能的。然而，在实践中，网络变化的幅度可能是有限的。我们得出较低的通信复杂性界限的几个制度的速度网络的变化。此外，我们展示了如何使用特定的共识算法来获得某一类时变图的加速通信速率。
2023-01-27 math.OC
Eco-PANDA: A Computationally Economic, Geometrically Converging, Dual Optimization Method on Time-Varying Undirected Graphs
本文研究时变无向图上的分布式凸优化。我们提出了一个线性化版本的主要平均网络双上升（PANDA），同时需要更少的计算成本。该方法，经济主要平均网络双上升（Eco-PANDA），可证明收敛于R-线性速度的最优点给定的代理的目标函数是强凸的，并有Lipschitz连续梯度.因此，该方法在费率类型方面与DIGing和PANDA都具有竞争力。所提出的方法将DIGing等方法的通信成本减半，同时仍然收敛R线性，并具有相同的每单位时间复杂度。
2018-10-29 math.OC
Distributed Convex Optimization With Coupling Constraints Over Time-Varying Directed Graphs
研究了时变多智能体网络上的分布式凸优化问题，其中每个智能体都有自己的决策变量，这些决策变量的设置应使其个体目标最小化，且受局部约束和全局耦合等式约束.在有向图上，提出了一种将推和协议与对偶次梯度方法相结合的分布式算法。在凸性假设下，首先建立了原始变量、对偶变量和约束违反的最优性。然后给出了算法的显式收敛速度。最后，通过对经济调度问题的数值实验，验证了算法的有效性。
2018-05-21 math.OC
Time-Varying Feedback Optimization for Quadratic Programs with Heterogeneous Gradient Step Sizes
本文综述在线反馈优化进展，针对二次规划提出异构步长原始-对偶算法的收敛性分析，并应用于现代电力系统最优控制。
2023-09-05 math.OC
Time-Varying Optimization of LTI Systems via Projected Primal-Dual Gradient Flows
研究了线性动力系统实时调整到时变约束凸优化问题解轨线的问题。建议的反馈控制器是基于鞍流动态的适应，修改，以考虑到约束集和输出反馈的植物上的投影。我们推导出充分条件的可调参数的控制器（本质上与植物和控制器动态之间的时标分离），以保证指数和输入到状态的闭环系统的稳定性。分析是针对时变强凸费用函数和多面体输出约束的情况。最后，以交通路网中的匝道控制问题为例，验证了理论分析的正确性。
2021-09-10 math.OC
Nonlinear Optimization Filters for Stochastic Time-Varying Convex Optimization
本文将随机时变凸优化的预测-校正步骤解释为非线性滤波，分别基于扩展 Kalman 滤波器和双线性矩阵不等式设计无约束与约束在线算法，并通过网约车真实数据验证其跟踪性能。
2024-04-10 math.OC
Decentralized optimization with affine constraints over time-varying networks
针对时变网络上带局部仿射约束的分布式优化问题，通过推广ADOM算法提出首个线性收敛算法，并证明其通信与预言机复杂度下界，达到一阶方法最优速率。
2023-09-06 math.OC
FAB: A First-Order AB-based Gradient Algorithm for Distributed Bilevel Optimization over Time-Varying Directed Graphs
Southern University of Science and Technology（南方科技大学）；Peng Cheng Laboratory（鹏城实验室）；School of Computer Science and Engineering, Sun Yat-Sen University（中山大学计算机科学与工程学院）；School of Artificial Intelligence, Southern University of Science and Technology（南方科技大学人工智能学院）；National Center for Applied Mathematics Shenzhen（深圳应用数学国家研究中心）；Detection Institute for Advanced Technology Longhua-Shenzhen（深圳龙华先进技术检测研究院）
本文提出一种首次-order分布式梯度算法，结合Push-Pull通信策略和价值函数惩罚法，解决时间变化有向图上的分布式双层优化问题，并建立非渐近收敛性。
2026-05-07 math.OC
On the Absence of Spurious Local Trajectories in Time-varying Nonconvex Optimization
在本文中，我们研究了一个在线非凸最优化问题的景观，其中输入数据随时间变化，解决方案是一个轨迹，而不是一个单一的点。为了理解找到这个问题的全局解的复杂性，我们引入了\textit{spurious (i.e., non-global) local trajectory}的概念，作为对非凸（时不变）优化中伪局部解概念的推广。我们建立了一个与时变非线性动力系统相关联的常微分方程，在极限情况下，该方程刻画了时变最优化问题的伪局部解。我们证明了虚假的本地轨迹的情况下是密切相关的瞬时性态的开发系统。特别是，我们表明，如果问题是时变的，数据的变化可能会迫使所有的ODE轨迹初始化在任意的局部极小值在初始时间逐渐收敛到全局解的轨迹。我们研究的动力系统的雅可比矩阵沿局部极小值轨迹，并显示其特征值是如何操纵的自然数据变化的问题，这可能会因此触发逃逸穷人的局部极小随着时间的推移。
2020-10-30 math.OC
Prediction-Correction Algorithm for Time-Varying Smooth Non-Convex Optimization
针对时变光滑非凸优化，提出一种适用于大规模一般非凸问题的预测-校正算法，首次给出非强凸收敛性分析，实验证明其精度优于TVGD。
2024-02-09 math.OC
Distributed Convex Optimization of Time-Varying Cost Functions with Swarm Tracking Behavior for Continuous-time Dynamics
研究了连续时间多智能体系统中具有群体跟踪行为的分布式凸优化问题。智能体的任务是通过局部交互来驱动其中心跟踪最优轨迹，该最优轨迹使局部时变费用函数之和最小化，同时保持连通性并避免智能体之间的碰撞。每个局部费用函数仅为单个代理所知，并且团队的最优解是时变的。这里考虑两种情况，单积分器动态和双积分器动态。对于每种情况下，提出了一种分布式的群体跟踪行为的凸优化算法，每个代理只依赖于自己的位置和相对位置（和速度在双积分的情况下）之间的本身和它的邻居。结果表明，智能体的中心跟踪最优轨迹，智能体之间的连通性将保持和避免智能体间的碰撞。最后，数值例子进行说明。
2015-07-16 math.OC
Online Primal-Dual Methods with Measurement Feedback for Time-Varying Convex Optimization
本文讨论了基于反馈的在线算法的设计和分析，控制系统或网络系统的性能目标和工程约束，可能会随着时间的推移而演变。新兴的时变凸优化形式主义是利用模型的最佳操作轨迹的系统，以及明确的本地和网络级的操作约束。与现有的批处理和前馈优化方法不同，算法的设计利用了原始-对偶投影梯度法的在线实现;然而，梯度步骤被适当地修改以适应来自系统的以测量形式的反馈-因此，术语“具有反馈的在线优化”。“凭借这种方法，所得到的算法可以处理系统状态和输出的代数表示中的模型失配，它们避免了对外源输入的普遍测量，并且它们自然地适合于分布式实现。在适当的假设下，建立了基于动态后悔的分析收敛性声明。此外，当基于反馈的在线算法的合成是基于正则化拉格朗日函数，Q-线性收敛到时变最优化问题的解决方案。
2019-03-06 math.OC
Decentralized Finite-Sum Optimization over Time-Varying Networks
本文研究时变网络上具有有限和结构的去中心化优化问题，针对非凸目标提出最优方法GT-PAGE，针对强凸目标提出首个时变方差缩减方法ADOM+VR并建立下界。
2025-02-07 math.OC
Optimization over time-varying directed graphs with row and column-stochastic matrices
在本文中，我们提供了一个分布式优化算法，称为$\mathcal{AB}$，最小化的凸函数的总和随时间变化，随机有向图。与现有的工作相反，我们提出的算法不需要特征向量估计来估计随机阵的（非$\mathbf{1}$）Perron特征向量。相反，所提出的方法依赖于一种新的信息混合的方法，利用行和列随机权重，以实现协议的最优解时，底层图是有方向的。我们证明，当全局目标是光滑且强凸的，并且底层时变图表现出有界连通性时，TV- $\mathcal{AB}$线性收敛到最优解，即，每个$C$连续图的并是强连通的。我们得到的收敛性结果的基础上的稳定性分析的线性系的不等式以及矩阵扰动参数。仿真结果证实了本文的研究结果。
2018-10-17 math.OC
Towards accelerated rates for distributed optimization over time-varying networks
研究了具有强凸光滑代价函数的时变网络的分散优化问题。在我们的方法中，节点在进行每次梯度更新后运行多步gossip过程，从而确保每次迭代时的近似共识，而外部循环基于加速Nesterov方案。该算法在$O(\sqrt{κ_g}χ\log^2(1/\varepsilon))$通信步骤中实现了精确的$\varepsilon > 0$，并在每个节点上实现了$O(\sqrt{κ_g}\log(1/\varepsilon))$梯度计算，其中$κ_g$是全局函数数，$χ$表征了通信网络的连通性。在静态网络的情况下，$χ= 1/γ$，其中$γ$表示通信矩阵$\mathbf{W}$的归一化频谱间隙。复杂度界限包括$κ_g$，其可以显著优于节点之间的最差情况条件数。
2022-11-07 math.OC
A Slow-Fast Stochastic Framework for Zeroth-Order Distributed Time-Varying Optimization
Sichuan University（四川大学）
研究仅用零阶信息的随机多智能体系统分布式时变优化，构建慢-快随机框架，引入辅助变量和快速子系统生成梯度估计，慢子系统进行优化和一致性，分析收敛性并通过模拟验证，建立界表征参数等对跟踪性能的影响。
2026-07-17 math.OC
Technical Report: A Totally Asynchronous Algorithm for Tracking Solutions to Time-Varying Convex Optimization Problems
本文提出了一个分散的算法，一组代理跟踪时变不动点，即时变凸优化问题的解决方案。该算法是一阶的，并且它允许所有代理的通信和计算中的总延迟，即，所有这些操作可以以任意定时和任意（有限）延迟发生。收敛速度是根据代理执行的通信和计算来计算的，而不指定何时必须发生。这些速率适用于收敛到每个单独的目标函数的最小值，以及代理的长期行为，因为它们的目标函数的变化。然后，为了提高有限的通信和计算资源的使用，我们优化代理的操作相对于他们的目标函数的变化，以最大限度地减少总不动点跟踪误差随着时间的推移的时间。仿真结果来说明这些发展在实践中，经验评估其鲁棒性代理的更新法律的不确定性。
2021-10-13 math.OC
Parameter-free shape optimization: various shape updates for engineering applications
针对无参数形状优化中灵敏度分布无法直接用于形状更新、现有辅助问题推导复杂难应用于工程的问题，从工程视角阐释多种形状更新计算方法，形式化介绍对应辅助问题并通过算例及计算流体力学应用对比不同方案。
2023-02-23 cs.CE math.OC
Distributed Online Optimization in Time-Varying Unbalanced Networks without Explicit Subgradients
研究了无显式次梯度的时变不平衡有向图上的分布式在线约束最优化问题。与现有算法形成鲜明对比的是，我们设计了一种新的基于共识的分布式在线算法，该算法具有局部随机零阶预言机，然后通过构造行随机阵来重新缩放预言机，旨在解决时变有向图的不平衡性。在温和的条件下，平均动态后悔超过一个时间范围内渐近收敛于一个次线性速率提供的累积变化增长的次线性与特定的顺序。此外，该算法的对应子梯度时，也提供了其动态遗憾界，这反映了我们的算法的收敛性基本上是不受零阶预言。通过对传感器网络中的分布式目标跟踪问题和动态稀疏信号恢复问题的仿真，验证了该算法的有效性。
2022-02-23 math.OC
Decentralized Convex Optimization on Time-Varying Networks with Application to Wasserstein Barycenters
针对时变网络下仅部分传感器可观测但需平均信号的场景，提出一种适用于非光滑对偶友好分布式优化的一阶方法，证明其Nesterov意义下的非渐近加速收敛率，并验证了在Wasserstein重心问题中的有效性。
2023-07-25 math.OC
A Distributed Time-Varying Optimization Approach Based on an Event-Triggered Scheme
针对分布式时变优化问题，本文在分布式神经动力学框架下提出事件触发控制器，通过离散时刻通信和积分模态技术降低通信能耗与计算成本，并以电池充电示例验证有效性。
2024-10-25 math.OC
A unified framework for distributed optimization algorithms over time-varying directed graphs
在本文中，我们提出了一个框架下，分散的优化算法建议在\cite{JKJJ,MA, NO,NO2}可以被视为在一个统一的方式。更准确地说，我们表明，分布式次梯度下降算法\cite{JKJJ, NO}，次梯度推算法\cite{NO2}，和分布式算法与行随机阵\cite{MA}可以通过适当的选择一致性矩阵，步长和次梯度从分散次梯度下降提出的\cite{NO}。作为这样的统一理解的结果，我们提供了一个收敛性证明，涵盖了算法在\cite{JKJJ,MA, NO,NO2}下一个新的代数条件，严格弱于传统的图论条件在\cite{NO}。这种统一也使我们能够得到一个新的分布式优化方案。
2021-08-04 math.OC
Decentralized Optimization Over Slowly Time-Varying Graphs: Algorithms and Lower Bounds
针对缓慢时变网络上的去中心化凸优化，本文分别研究 Markov 随机变化与确定性变化图，提出随机情形的加速共识算法，并证明最坏情况下每轮仅改两条边也会使加速共识不可能。
2023-07-24 math.OC
A Scoping Review on Simulation-based Design Optimization in Marine Engineering: Trends, Best Practices, and Gaps
本文基于277项研究综述了船舶工程中基于仿真的设计优化（SBDO）的应用现状，发现其主要用于船体及关键部件优化，并指出多目标、随机及多学科优化方法是未来重要发展方向。
2024-05-05 cs.CE math.OC
Biology-Derived Algorithms in Engineering Optimization
生物算法是计算科学的重要组成部分，在许多科学学科和工程应用中起着至关重要的作用。许多计算方法源自或基于自然进化和生物活动的类比，这些生物启发的计算包括遗传算法，神经网络，细胞自动机和其他算法。
2010-03-09 cs.CE cs.NE math.OC
Centralized and distributed online learning for sparse time-varying optimization
在过去的几年里，在线算法的发展，以跟踪时变系统引起了很多关注，特别是在在线凸优化的框架。同时，稀疏时变优化已经成为一个强大的工具，以处理广泛的应用，从动态压缩传感到简约系统辨识。在大多数关于稀疏时变问题的文献中，假设系统演化的一些先验信息是可用的。相比之下，在本文中，我们提出了一种在线学习方法，它不使用给定的模型，适用于对抗框架。具体来说，我们开发集中式和分布式算法，我们从理论上分析他们的动态遗憾，在网上学习的角度来看。此外，我们提出了数值实验，说明其实际有效性。
2020-01-31 cs.LG math.OC
Safe Time-Varying Optimization based on Gaussian Processes with Spatio-Temporal Kernel
ETH Zurich（苏黎世联邦理工学院）；Norwegian University of Science and Technology（挪威科技大学）；Zurich University of Applied Sciences（苏黎世应用科技大学）
针对未知时变安全约束下的优化问题，提出基于时空核贝叶斯优化的TVSafeOpt算法，可安全跟踪时变安全区域，在平稳时提供最优性保证，并在合成数据和气体压缩机案例中验证了其安全性与最优性。
2024-09-26 cs.LG math.OC
