Cut Selection For Benders Decomposition
在本文中,我们提出了一个新的角度切割生成的背景下,Benders分解。该方法基于替代多面体和反向极集之间的关系,有助于我们改进Benders切割的既定切割选择程序,如Fischetti,Salvagnin和Zanette [FSZ 10]建议的程序。我们的修改版本的标准产生削减总是支持,除非在罕见的特殊情况下,小面定义。我们讨论了我们的方法在有关的国家的最先进的切割生成折弯机分解。特别是,我们指的是帕累托最优和刻面定义的削减和观察,这些标准中的每一个可以匹配到一个特定的子集的参数化我们的削减生成框架。因此,我们的框架包括Conforti和Wolsey [CW18]提出的生成面定义切割的方法作为特例。
2020-05-11 math.OC
Approximating value functions via corner Benders' cuts
University of Waterloo(滑铁卢大学);University of Florida(佛罗里达大学)
本研究提出一种从高维多面体基导出的锥松弛生成Benders割的高效算法,可恢复Dantzig-Wolfe规划的线性规划界,并提升了随机需求车辆路径问题现有最优算法的性能。
2025-10-01 math.OC
Stochastic Planning and Scheduling with Logic-Based Benders Decomposition
我们应用基于逻辑的Benders分解(LBBD)的两阶段随机规划和调度问题,其中第二阶段是一个调度任务。主问题用混合整数/线性规划求解,子问题用约束规划求解。作为Benders切割,我们使用简单的nogood切割以及我们为此应用开发的基于分析逻辑的切割。我们发现LBBD在计算上优于整数L形方法,LBBD的分支和检查变体快了几个数量级,允许解决更大的实例。这主要是由于整数L形方法产生的计算开销,同时产生经典的Benders削减从连续松弛的整数规划子问题。据我们所知,这是第一次应用LBBD两阶段随机最优化与调度第二阶段的问题,和第一次比较LBBD与整数\mbox{L-shaped}方法。结果表明,LBBD可能是一个很有前途的方法来解决其他随机和鲁棒的最优化问题整数或组合资源。
2020-12-28 math.OC
Accelerated Benders decomposition for bi-objective mixed integer programming
Johannes Kepler University Linz(林茨约翰内斯·开普勒大学);Hankuk University of Foreign Studies(韩国外国语大学)
针对双目标混合整数规划中的可持续供应链网络设计问题,提出重用加权求和法先前迭代的Benders割来初始化主问题,从而显著减少计算时间。
2026-10-06 math.OC
Logic-based Benders Decomposition and Binary Decision Diagram Based Approaches for Stochastic Distributed Operating Room Scheduling
分布式手术室(OR)调度问题的目的是找到一个手术分配到手术室之间的合作医院,共享他们的等候名单和OR。我们提出了一个随机扩展这个问题的手术时间被认为是不确定的。为了获得具有挑战性的随机模型的解决方案,我们使用样本平均近似,并开发了两个增强的分解框架,使用基于逻辑的Benders(LBBD)最优切割和基于二元决策图的Benders切割。具体而言,据我们所知,推导LBBD最优切割在随机规划的情况下是新的文献。我们在医院数据集上的计算实验表明,随机制定产生强大的时间表,我们的算法提高了计算效率。
2020-10-02 math.OC
Benders Cut Filtering for Affine Potential-Based Flow Problems with Robustness Scenarios and Topology Switching
Chair of Operations Research, RWTH Aachen University(运筹学教席,亚琛工业大学)
本文研究了Benders切分法在仿射势流问题中的应用,提出基于违反程度、多样性及混合策略的切分方法,通过计算实验验证了这些方法在减少求解时间方面的有效性。
2026-11-20 math.OC
Accelerating L-shaped Two-stage Stochastic SCUC with Learning Integrated Benders Decomposition
Louisiana State University(路易斯安那州立大学)
本文提出三种基于机器学习的Benders分解增强变体,通过回归和分类方法生成更紧的割并精简主问题,有效降低了两阶段随机SCUC的计算成本与内存使用。
2023-11-17 cs.LG math.OC
A Framework for Handling and Exploiting Symmetry in Benders Decomposition
Eindhoven University of Technology(埃因霍温理工大学)
提出在Benders分解框架内检测和处理对称性的理论,通过定制图捕获主问题与子问题的对称性,并设计对称Benders割的分离与聚合技术,显著减少子问题求解次数。
2026-10-02 math.OC
Disaggregated Benders Decomposition for solving a Network Maintenance Scheduling Problem
我们考虑一个问题,一个网络和一组维护请求进行。我们希望以这样一种方式安排维护,以尽量减少对网络总吞吐量的影响。我们应用分解的Benders切割和惰性约束来解决问题的最优性,以及探索该技术的优点和缺点。我们证明了我们的Benders切割是帕累托最优的。LP松弛的解决方案还提供了进一步的有效不等式,以减少总的求解时间。我们实现这些技术在以前的论文中提出的模拟数据,并比较我们的解决方案技术,以前的方法和直接MIP制定。我们证明了许多问题的最优性,以前没有被证明。
2017-03-16 math.OC
Benders decomposition for the large-scale probabilistic set covering problem
针对概率集合覆盖问题,提出基于Benders分解的高效算法,通过初始割、启发式及混合整数舍入增强割,在最多500行、5000列和2000场景下优于先进MIP求解器。
2025-01-24 math.OC
Disjunctive Benders Decomposition
School of Computing and Augmented Intelligence, Arizona State University(亚利桑那州立大学计算与增强智能学院)
本文提出改进Benders分解方法,生成凸包有效不等式,解决传统Benders切片仅在连续松弛下紧的问题。通过整合离散规划与Benders分解,引入利用现有切片生成 oracle 构建凸包不等式的流程,适用于混合二进制线性规划,无需求解混合整数规划主问题。
2026-05-15 math.OC
Benders Decomposition for Bi-objective Linear Programs
本文提出将双目标单纯形算法与Benders分解相结合的新分解方法,用于求解双目标线性规划,通过主问题和子问题迭代生成最优性与可行性割,从而获得完整极端有效解集,并验证了其正确性与性能。
2024-08-29 math.OC
Adaptive Subproblem Selection in Benders Decomposition for Survivable Network Design Problems
Chair of Operations Research, RWTH Aachen University(运筹学教席,亚琛工业大学)
本文提出了一种适应性子问题选择方法,通过多标准评分策略和在线训练的逻辑回归模型,减少Benders分解中不必要的子问题求解,提升求解效率和稳定性。
2026-04-10 math.OC
Support Vector Machines with the Hard-Margin Loss: Optimal Training via Combinatorial Benders' Cuts
Pontifical Catholic University of Rio de Janeiro(里约热内卢天主教大学);Technical University of Munich(慕尼黑工业大学);Polytechnique Montréal(蒙特利尔理工学院)
传统的铰链损失支持向量机(SVMs)模型由于其损失函数的无界性而对离群观测值敏感。为了避免这个问题,最近的研究集中在非凸损失函数,如硬利润损失,它与任何错误分类或利润内样本的恒定惩罚。应用此损失函数为关键应用程序提供了急需的鲁棒性,但它也导致了NP-难模型,使训练变得困难,因为当前的精确优化算法显示出有限的可扩展性,而算法无法始终如一地找到高质量的解决方案。在此背景下,我们提出了新的整数规划策略,显着提高我们的能力,训练的硬利润SVM模型的全局最优。我们引入了一个迭代采样和分解的方法,其中较小的子问题被用来分离组合Benders的削减。这些切割在分支切割算法中使用,可以更快地收敛到全局最优值。通过对经典基准数据集进行广泛的数值分析,我们的解决方案算法首次解决了117个新的数据集的最优性,并实现了最难的基准数据集的平均最优性差距减少了50%。
2022-07-15 cs.LG math.OC
Combining Optimisation and Simulation Using Logic-Based Benders Decomposition
运筹学从业者经常希望对难以在其底层优化框架中编码的复杂函数进行建模。常见的方法是求解近似模型,并使用模拟来评估一个或多个解决方案的真实客观值。我们提出了一种新的方法来集成模拟到优化模型本身。我们的想法是在主问题的每个现任解决方案上运行模拟。然后,使用基于逻辑的Benders切割,将仿真数据用于指导优化模型本身的轨迹。我们测试的方法对一类随机资源分配问题的单调性能指标。我们推导出强大的,新颖的Benders削减,可证明有效的给定形式的所有问题。我们考虑两个具体的例子:养老院轮班调度问题,和机场检查柜台分配问题。虽然以前关于这些应用程序的论文只能近似地解决实际问题,但我们能够在合理的时间内精确地解决它们。此外,虽然这些论文通过将潜在随机变量的估计值作为模型参数来解释问题的固有方差,但我们能够计算样本平均近似值,最多可达100个场景。
2022-07-05 math.OC
Learning to Cut: Reinforcement Learning for Benders Decomposition
Department of Integrated Systems Engineering(整合系统工程系)
本文提出RLBD框架,通过神经网络策略自适应选择切割,提升求解两阶段随机电动汽车充电站选址问题的效率,并在相似结构问题中表现出良好的泛化能力。
2026-05-07 cs.AI math.OC
Data-driven Adaptive Benders Decomposition for the Stochastic Unit Commitment Problem
本文提出了一个数据驱动版本的Benders分解算法应用于随机机组组合(SUC)问题。所提出的方法的目的是找到一个权衡的大小Benders主问题和迭代次数,直到收敛。使用聚类技术,我们利用包含在拉格朗日乘数的弯曲子问题,以聚合的最优切割,而不损害的关键信息,是通过主问题的信息。此外,我们开发了一个外部并行化方案,通过解决一系列计算量较小的SUC实例的场景集的某些分区,找到SUC问题的最优解。我们的计算结果的IEEE 3区RTS-96电力系统,说明我们的数据驱动的Benders算法的性能改善,在解决方案的时间和问题的大小,相比,无论是SUC广泛的配方和流行的单和多切割Benders配方。
2019-12-02 math.OC
Generalized Benders Decomposition for one Class of MINLPs with Vector Conic Constraint
本文主要研究了巴拿赫空间中一类带向量锥约束的混合整数非线性规划问题。深入研究了凸向量最优化问题的对偶理论在这类MINLP问题中的应用。借助于对偶性,我们利用广义Benders分解方法建立了求解该MINLP的算法。文中还给出了算法的几个收敛性定理。收敛定理推广和发展了有限维空间中MINLP的已有结果。
2015-06-26 math.OC
Sparse Convex Quantile Regression: A Generalized Benders Decomposition Approach
针对稀疏凸分位数回归的计算挑战,研究改进经典CQR模型并提出适配的广义Benders分解算法及增强元启发式方法,经实验验证兼具准确性、可扩展性与实用价值。
2025-09-02 math.OC
The Proxy Benders Decomposition
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta, USA(赫尔曼·米利特·斯图尔特工业与系统工程学院,佐治亚理工学院,美国亚特兰大);Department of Operations and Decision Systems, Université Laval, Quebec, Canada(运营与决策系统系,拉瓦尔大学,加拿大魁北克)
针对Benders分解中子问题重复求解导致收敛慢的问题,提出代理Benders分解(Proxy-BD),用自监督预测-投影-补全机制生成可行对偶解,在保持理论有效性的同时大幅降低计算开销。
2026-06-05 cs.LG math.OC
Hybrid Quantum-Classical Multi-cut Benders Approach with a Power System Application
利用当前一代的量子器件来解决实际感兴趣的优化问题,需要开发混合量子经典(HQC)解决方案。在本文中,多割Benders分解(BD)的方法,利用多个可行的解决方案的主问题(MP),以产生多个有效的削减适应,从而被用作一般的混合整数线性规划(MILP)问题的HQC求解器。讨论了使用不同的切割选择标准和策略来管理MP的大小,通过引出要在使用量子计算的BD方案的每次迭代中添加的切割的子集。将HQC优化算法应用于机组组合问题。UC是应用于电力系统的优化的原型用例,这是一个可能受益于量子计算进步的关键部门。使用D-Wave Advantage 4.1量子退火机证明了所提出方法的有效性和计算可行性。
2021-12-10 math.OC quant-ph
A Framework for Generalized Benders' Decomposition and Its Application to Multilevel Optimization
本文提出一种推广经典 Benders 分解的优化框架,并将其用于多层/多阶段混合整数线性优化,以深化对对偶性和价值函数的理解。
2021-04-13 math.OC
A computational study of cutting-plane methods for multi-stage stochastic integer programs
本文研究了多阶段随机混合整数规划的割平面算法,证明了整数L形割属于Lagrangian割类,并提出交替使用松弛与精确计算的增强策略以高效生成割,初步实验验证了其在实际问题中的有效性。
2024-05-04 math.CO math.OC
Evaluating Resilience of Electricity Distribution Networks via A Modification of Generalized Benders Decomposition Method
本文提出了一种计算方法来评估电力分配网络(DN)的网络物理故障的弹性。在我们的模型中,我们考虑攻击者的目标是多个DN组件,以最大限度地减少DN运营商的损失。我们考虑两种类型的操作员响应:(i)协调的应急响应;(ii)不协调的自主断开,这可能导致级联故障。为了评估响应(i)下的弹性,我们求解了一个双层混合二阶锥规划,由于内部问题中的混合整数变量和非凸约束,该规划在计算上具有挑战性。我们的解决方案是基于广义Benders分解方法,它实现了计算时间和解决方案的精度之间的合理权衡。我们的方法涉及修改弯曲切割的基础上,对径向DN的功率流的结构见解。我们评估DN弹性响应下(ii)通过顺序计算自治组件断开由于操作边界的侵犯,导致初始攻击和潜在的级联故障。我们的方法有助于估计响应(i)下的弹性增益,相对于(ii)。
2020-11-30 math.OC
Benders decomposition algorithms for minimizing the spread of harmful contagions in networks
针对网络中有害传染的蔓延,提出基于度量的传播最小化问题(MBSMP),并开发应用Benders分解的branch-and-Benders-cut精确求解算法,通过组合过程生成最优性割并融入多种改进策略以提升性能。
2024-04-25 cs.DM math.OC
Lagrangian cuts generated by batch to efficiently solve two-stage stochastic mixed-integer program
针对两阶段随机整数规划现有拉格朗日割生成效率低的问题,提出批量生成割的方法,证明收敛性与三角不等式性质,还通过系数平均生成未求解场景的割,实验表明其能用更少割更快提升Benders主问题松弛下界。
2024-01-29 math.OC
A Spatial Benders Algorithm for Delay Constrained Routing
Università di Pisa(比萨大学);Alma Mater Studiorum Università di Bologna(博洛尼亚大学);Università di Trento(特伦托大学)
针对IP网络中的时延约束路由问题,提出一种无求解器的嵌套Benders-Lagrange双重分解方法,结合定制空间分支定界与分段凸割,在竞争性时间内获得紧的上下界。
2026-09-30 math.OC
Joint Planning of PEV Fast-Charging Network and Distributed PV Generation Using the Accelerated Generalized Benders Decomposition
将插电式电动汽车(PEV)与分布式可再生能源相结合,将减少PEV从井到车轮的温室气体排放,促进可再生能源的采用,并推迟电力系统投资。本文提出了一种多学科的方法来联合规划PEV快速充电站和分布式光伏(PV)发电厂耦合的交通和电力网络。首先,我们建立了以下模型:1)PEV快速充电站; 2)PEV行驶里程限制下的公路交通网络; 3)具有无功功率控制的光伏电站。然后,我们制定了一个两阶段的随机混合整数二阶锥规划(MISOCP),以确定1)PEV快速充电站的网站和规模; 2)光伏电站。为了解决未来情景的不确定性,采用了大量的未来典型负荷、交通流量和光伏发电曲线。这使得问题规模很大。我们设计了一个广义Benders分解算法来有效地解决这个问题。据作者所知,这项工作是第一个联合规划PEV快速充电站和光伏电站考虑PEV驱动范围限制和无功光伏功率控制。通过数值实验验证了所提方法的有效性,并验证了联合规划和采用先进的光伏无功控制的好处。
2017-03-15 math.OC
Towards large-scale probabilistic set covering problems: an efficient Benders decomposition approach
School of Mathematics and Statistics, Beijing Institute of Technology(北京理工大学数学与统计学院);State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院数学科学学院国家重点实验室);School of Mathematical Sciences, University of Chinese Academy of Sciences(中国科学院大学数学科学学院)
本文提出一种高效的Benders分解算法,用于解决大规模概率集覆盖问题,该方法在变量数量和Benders切割分离效率上具有优势,并通过数值实验验证其有效性。
2026-03-23 math.OC
Clustering-enhanced adaptive Benders decomposition for energy systems planning optimization
MIT Energy Initiative, Massachusetts Institute of Technology(麻省理工学院能源倡议);Chemical and Biomolecular Engineering Department, Tandon School of Engineering, New York University(纽约大学坦登工程学院化学与生物分子工程系)
针对能源系统容量扩展模型中的大规模混合整数线性规划问题,提出基于聚类的自适应Benders分解方法,通过聚合割和代表性子问题加速求解。
2026-05-29 cs.SY eess.SY math.OC
An Exact Algorithm for Large-scale Non-convex Quadratic Facility Location
我们研究了一类一般的二次容量限制的$p$选址问题--具有单一分配的设施定位问题,其中在目标函数中引入了一个不可分离的、非凸的二次项来考虑设施和客户分配之间的交互成本。该问题在运输和物流领域有许多应用,其中最著名的特例是单分配枢纽定位问题及其许多变体。非凸,二元二次规划线性化,通过应用一个重新制定的线性化技术和由此产生的连续辅助变量使用Benders分解投影。然后使用精确的分支和切割算法,利用底层的网络流结构的分解分离子问题,有效地产生强大的帕累托最优的Benders削减解决所获得的Benders重新制定。其他增强功能,如数学,部分枚举程序,变量消除测试也嵌入在拟议的算法框架。对基准实例(最多500个节点)和一组新实例(最多1,000个节点)的四个变体的单分配枢纽定位问题进行了广泛的计算实验,证实了该算法扩展到大规模实例的能力。
2021-07-20 math.OC
Computationally efficient solution of mixed integer model predictive control problems via machine learning aided Benders Decomposition
本文提出一种机器学习辅助的分支检查广义Benders分解算法,通过近似Benders割避免反复求解子问题,在化工混合整数经济MPC案例中实现最高97%的求解时间缩减且误差仅约1%。
2023-09-28 cs.SY eess.SY math.OC
Adaptive Benders decomposition and enhanced SDDP for multistage stochastic programs with block-separable multistage recourse
本文提出结合自适应Benders分解与增强型SDDP的算法,首次求解带块可分离多阶段追索权的多阶段随机规划问题,在电力系统投资规划案例中验证了其高效性,并指出风电随机建模的必要性。
2025-07-29 cs.SY eess.SY math.OC
An Exact Algorithm for the Max-Min Covering Location Blocker Problem
Beijing Institute of Technology(北京理工大学);Sapienza University of Rome(罗马第一大学);Vienna University of Economics and Business(维也纳经济与商业大学)
针对最大最小覆盖选址阻断问题,提出一种精确嵌套分解算法,利用结构建立并加强阻断割,闭式求解分离问题,显著快于通用双层求解器,可求解30万客户实例。
2026-09-24 math.OC
Learning to control inexact Benders decomposition via reinforcement learning
本文提出利用强化学习确定广义Benders分解每次迭代的最优性间隙,在保证收敛的前提下平衡单次求解时间与间隙改进,有效减少大规模混合整数优化的总求解时间。
2025-08-08 math.OC
Partial hyperplane activation for generalized intersection cuts
广义交割(GIC)范式是近年来提出的一种求解混合整数规划割平面的理论框架。我们调查这种计算上未探索的范例,并观察到一个关键的超平面激活过程中嵌入的计算是不可行的。为了克服这个问题,我们开发了一种新的替代这个程序称为部分超平面激活(PHA),介绍了一个变体的PHA的超平面倾斜的概念的基础上,并证明了这两种算法的有效性。我们提出了几种实现策略和参数选择我们的PHA算法,并提供支持的理论结果。我们在MIPLIB实例的COIN-OR框架中计算评估这些想法。我们的研究结果揭示了PHA方法的优势,并提出了与未来可以针对的强切割相关的特性。
2018-12-16 math.OC
A Sequential Benders-based Mixed-Integer Quadratic Programming Algorithm and Its Implementation in the CAMINO Toolbox
University of Freiburg(弗赖堡大学);KU Leuven(荷语鲁汶大学);Otto-von-Guericke Universität Magdeburg(奥托·冯·格里克马格德堡大学)
本文提出一种序列混合整数二次规划算法,用于求解混合整数非线性规划问题,结合Benders分解方法,通过迭代过程优化解,并在CAMINO工具箱中实现,适用于非凸问题的启发式求解。
2026-03-26 math.OC
Price-Based Market Clearing with V2G Integration Using Generalized Benders Decomposition
School of Mechanical Engineering, Purdue University(普渡大学机械工程学院)
本文提出基于广义弯折分解的混合整数非线性规划方法,解决V2G快速渗透带来的复杂性,并通过案例研究展示其在收敛性和计算效率上的优势。
2018-06-27 cs.SY eess.SP eess.SY
An Efficient Benders Decomposition Approach for Optimal Large-Scale Network Slicing
本文提出一种定制化Benders分解算法,通过将大规模NP-hard网络切片问题分解为功能放置与流量路由子问题并迭代反馈,结合两族有效不等式加速收敛,实现了全局最优求解且显著优于现有算法。
2024-09-25 cs.IT eess.SP math.IT
On λ-Cent-Dians and Generalized-Center for Network Design: Formulations and Algorithms
本文研究网络设计中的λ-centdian问题,拓展已有工作给出广义问题的数学公式与双层结构分析,提出帕累托最优集参数化方法并评估解质量,还研究了特定参数下的大规模求解算法。
2025-06-15 math.OC
Generalized Dual Dynamic Programming for Infinite Horizon Problems in Continuous State and Action Spaces
我们描述了一个非线性推广的对偶动态规划理论和它的应用价值函数估计确定性控制问题的连续状态和动作空间,在一个离散时间无限的地平线设置。我们证明,利用贝尔曼算子的单调性,一个阶段的政策评估的结果,可以用来产生非线性下界的最优值函数,是有效的整个状态空间的本德类型的参数。这些界限包含反映系统成本、动态和约束的函数形式的项。我们提供了一个迭代算法,产生连续更好的近似的最优值函数,并证明在一定的假设下,它实现了任意低的期望贝尔曼最优性公差在预先选定的点在状态空间,在有限数量的迭代。我们还描述了证明所生成的值函数的质量的方法。我们证明了系统的尺寸太大,传统的动态规划方法是实用的方法的有效性。
2018-10-04 math.OC
Solve Crude Oil Scheduling Problems by Using Quantum-Classical Hybrid Algorithms
Petrochina (BEIJING) Digital Intelligence Research Institute CO., LTD(中石油(北京)数字智能研究院有限公司);Center for Quantum Information, IIIS, Tsinghua University(清华大学交叉信息研究院量子信息中心);Huayi Boao (Beijing) Quantum Technology Co., Ltd.(华义博奥(北京)量子科技有限公司)
本文提出量子-经典混合框架解决原油调度的NP难问题,通过Benders分解分离整数规划与连续优化,利用量子计算提升搜索效率,实验显示在成本和速度上优于传统启发式方法。
2026-04-29 math.OC quant-ph
A Decomposition Algorithm for Two-Stage Stochastic Programs with Nonconvex Recourse
本文研究了一类非凸两阶段随机规划的分解求解方法,其中第二阶段问题的目标和约束均由第一阶段变量非线性参数化.由于所得到的非凸补偿函数的克拉克正则性的失败,经典的分解方法,如Benders分解和(增广)拉格朗日为基础的算法不能直接推广到解决这样的模型。通过探索一个隐式的凹凸结构的追索功能,我们介绍了一种新的分解框架的基础上,所谓的部分莫罗包络。该算法基于第二阶段凸子问题的解连续生成补偿函数的强凸二次逼近,并将其添加到第一阶段主问题中。收敛下固定的场景和内部抽样成立。数值实验证明了该算法的有效性。
2022-11-15 math.OC
Generalized Cuts and Grothendieck Covers: a Primal-Dual Approximation Framework Extending the Goemans--Williamson Algorithm
提出一个基于半定规划松弛的原始-对偶随机近似框架,将已知 APX 完全问题与新提出的对偶问题配对,通过求解单个 SDP 松弛同时为两者生成互为最优性证书的近似解。
2024-06-26 cs.DM cs.DS math.OC
Conditional gradients for total variation regularization with PDE constraints: a graph cuts approach
University of Twente(特文特大学)
该研究从凸几何视角研究带TV正则化的PDE约束最优控制极小化问题,推导了全变分单位球极值点相关理论,提出基于几何的高效求解算法并验证了离散解对连续极限解的逼近性。
2024-07-15 cs.NA math.AP math.NA