A simple Newton method for local nonsmooth optimization
超线性收敛一直是黑箱非光滑最优化难以实现的目标。即使在凸的情况下,次梯度方法也是非常慢的,而一些切割平面算法,包括传统的束方法,在实践中是流行的,局部收敛仍然缓慢。更快的变体取决于问题的结构或分析,省略了序列的“空”步骤。出于半结构化的方法来优化和顺序二次规划哲学,我们描述了一个新的捆绑牛顿法,采用二阶的客观信息与通常的线性逼近甲骨文。一个代表性的问题类由几个光滑函数的最大值组成,单独访问的oracle。作为额外的输入只是基数的最佳活动集,我们证明了局部平方收敛。一个简单的实现显示了更一般的功能,凸和非凸的承诺,并建议一阶类似物。
2019-07-26 cs.NA math.NA math.OC
A Safeguarded Accelerated Proximal ADMM Algorithm for Solving Structured Cardinality Penalized Optimization Problems
School of Mathematics, Harbin Institute of Technology(哈尔滨工业大学数学学院)
本文针对结构化基数惩罚优化问题,提出带保障加速近端ADMM算法,证明其收敛性并建立收敛速率,经信号与图像去噪实验验证了有效性。
2026-10-14 math.OC
Capacitated Bounded Cardinality Hub Routing Problem: Model and Solution Algorithm
在本文中,我们解决了有界基数枢纽定位路由与路线容量,其中每个枢纽作为一个转运节点的一个有向路线。枢纽节点的数目介于最小值和最大值之间,枢纽级网络是一个完全子图。转运操作发生在枢纽节点,从枢纽级运输机到轮辐级车辆的流量转移时间影响轮辐到枢纽的分配。提出了一种求解该问题的数学模型和基于Benders分解的分支切割算法。为了加速收敛,我们的解决方案框架嵌入了一个有效的启发式,在短的计算时间内产生高质量的解决方案。此外,我们展示了如何利用对称性来加速和提高我们的方法的性能。
2017-05-22 math.OC
Cardinality-Constrained Bilevel Capacity Expansion
School of Business, East China University of Science and Technology(华东理工大学商学院);Department of Data and Systems Engineering, The University of Hong Kong(香港大学数据与系统工程系)
针对双层容量扩展问题中链路选择与容量分配的次优性,提出引入基数约束实现位置与容量的联合优化,并开发惩罚凸差方法将其转化为可处理子问题,证明了收敛性且数值实验表明其在解质量和计算效率上优于其他方法。
2025-09-16 math.OC
Stable formulations for the Capacitated Facility Location Problem with Customer Preferences
针对带客户偏好的容量受限设施选址问题的全局偏好最大化场景,定义三类新型稳定分配并给出对应混合整数线性公式,验证了循环联盟稳定公式的帕累托最优性,还提出可得到容量受限房屋分配问题最大基数帕累托最优匹配的新公式。
2025-07-29 math.OC
A hybrid level-based learning swarm algorithm with mutation operator for solving large-scale cardinality-constrained portfolio optimization problems
在这项工作中,我们提出了一个混合的变种的基于层次的学习群优化算法(LLSO)解决大规模的投资组合最优化问题。我们的目标是最大限度地提高夏普比的基数,框和预算限制的修改制定。该算法涉及一个投影算子来同时处理这三个约束,我们隐式地控制交易成本由于再平衡约束。我们还引入了一个合适的精确罚函数来管理营业额约束。此外,我们开发了一个特设的变异算子修改候选样本的最高级别的群体。使用三个大规模数据集的实验结果表明,包括这个过程提高了解决方案的准确性。然后,与其他变种的LLSO算法和两个国家的最先进的群优化算法的比较指出,所提出的求解器的探索能力和解决方案的质量方面的出色表现。最后,我们评估的盈利能力的投资组合配置策略,在过去五年中使用的1119个成分的MSCI世界指数的可投资池。
2022-06-29 cs.NE math.OC
1st-Order Dynamics on Nonlinear Agents for Resource Allocation over Uniformly-Connected Networks
针对网络资源分配问题,提出了一种基于一阶共识的非线性分布约束凸优化的通用$1$算法。该解决方案用于优化弱连接无向网络上的连续可微严格凸代价函数,同时它在任何时候都是可行的,并对各种非线性进行建模,以考虑有限驱动能力方面的代理(的物理模型)上的缺陷和约束,例如,量化和饱和。由于这种固有的非线性,考虑理想代理模型的现有线性解决方案可能不一定收敛于保证的最优性和任何时候的可行性。一些应用还施加特定的非线性,例如,固定/有限时间或基于符号的鲁棒抗扰动态收敛。我们提出的分布式协议概括了这种非线性模型。把凸集分析与非光滑李雅普诺夫分析,我们证明收敛,(i)无论特定类型的非线性,(ii)与弱网络连接的要求(均匀连接)。
2021-11-19 cs.MA cs.SY eess.SY
Riemannian Difference-of-Convex Optimization for K-Means Clustering
本文提出RADA-DC,一种结合对偶正则化与DC线性化的黎曼交替下降上升方法,用于求解基数约束的K-means聚类问题,在聚类数较大时优于K-means++等基线。
2026-09-29 cs.LG math.OC
A smoothing proximal gradient algorithm for matrix rank minimization problem
针对损失凸非光滑、惩罚项为基数函数的低秩矩阵最小化问题,提出精确连续松弛方法与光滑近似梯度(SPG)算法,证明算法收敛于松弛问题的提升平稳点,数值实验验证了算法效率。
2021-03-17 math.OC
A branch-and-price algorithm for the robust single-source capacitated facility location problem under demand uncertainty
研究了具有不确定性顾客需求的单资源容量约束的鲁棒设施定位问题。一个基数约束的不确定性集假设的鲁棒问题。为了有效地解决这个问题,我们提出了一个基于分配的配方Dantzig-Wolfe分解和分支和价格算法。计算实验表明,我们的分支和价格算法在许多情况下优于CPLEX,解决了普通的鲁棒重构。我们还研究了不可行性的经验概率和所产生的额外成本之间的权衡关系,并观察到解决方案的鲁棒性可以显着提高与小的额外成本。
2021-03-24 math.OC
The Importance of System-Level Information in Multiagent Systems Design: Cardinality and Covering Problems
University of California, Santa Barbara(加州大学圣塔芭芭拉分校);Swiss Federal Institute of Technology, Zurich(苏黎世联邦理工学院)
本文研究了在多智能体系统中,当信息不确定或不可用时,如何通过覆盖问题中的子模资源分配问题设计局部控制算法,并提出了一种分布式算法来学习基数并调整行为,以实现性能保障。
2018-10-28 cs.GT cs.MA cs.SY
Revisiting the Approximate Carathéodory Problem via the Frank-Wolfe Algorithm
Georgia Institute of Technology(佐治亚理工学院);Technische Universität Berlin(柏林工业大学);Zuse Institute Berlin(柏林楚泽研究所)
近似Carathéodory定理指出,给定紧致凸集$\mathcal{C}\subset\mathbb{R}^n$和$p\in\left[2,+\infty\right[$,每个点$x^*\in\mathcal{C}$可以近似为$\ell_p$ -范数中的$ε$ -精度,作为$\mathcal{C}$的$\mathcal{O}(pD_p^2/ε^2)$顶点的凸组合,其中$D_p$是$\mathcal{C}$在$\ell_p$ -范数中的直径。满足这些性质的解可以使用概率参数或通过将镜像下降应用于对偶问题来构建。我们重新审视近似Carathéodory问题,通过Frank-Wolfe算法解决原始问题,提供了一个简化的分析,并导致一个有效的实用方法。此外,当$x^*$在$\mathcal{C}$的内部时,当$x^*$是小直径顶点子集的凸组合时,或者当$\mathcal{C}$是一致凸的时,利用Frank-Wolfe算法现有的收敛速度自然地导出了改进的基数界.我们还提出了基数界限时,$p\in\left[1,2\right[\cup\{+\infty\}$通过一个非光滑的算法变体。最后,我们解决的问题,找到稀疏的近似投影到$\mathcal{C}$的$\ell_p$规范,$p\in\left[1,+\infty\right]$。
2021-12-05 cs.DS cs.LG math.OC
Distributional Robust Portfolio Construction based on Investor Aversion
在行为金融学中,当收益和损失发生时,厌恶会影响投资者对未来不确定性的判断。考虑到投资者对损失和风险的厌恶以及资产收益率的模糊不确定性,在风险资产收益率分布未知的情况下,构造了一个分布鲁棒投资组合模型(DRP).具体来说,我们的目标是找到一个最优的资产组合,最大化最坏情况下的效用水平的沃瑟斯坦球,这是集中在样本收益率的经验分布和球的半径量化投资者的模糊性水平。该模型也制定为一个混合整数二次规划问题的基数约束。此外,我们提出了一种混合算法,以提高解决方案的效率,使其更适合于大规模的问题。实证检验了考虑厌恶的分布鲁棒投资组合模型在资产配置方面的优越性,并比较了常见的资产配置策略,进一步提高了投资组合的可信度。
2022-05-05 math.OC q-fin.PM
Distributed Optimization with Coupled Constraints over Time-Varying Digraph
Gwangju Institute of Science and Technology(光州科学技术院)
本文提出一种分布式算法,用于解决具有耦合约束的分布式凸优化问题,通过分解和对偶方法实现隐私保护的完全分布式求解,保证了强凸性下的O(1/k)收敛性。
2026-04-12 cs.SY eess.SY math.OC
Budget-Constrained Graph Augmentation for Robust Network Design via Kirchhoff Index Minimization
Norwegian University of Science and Technology(挪威科技大学);Aalto University(阿尔托大学);SRM University-AP(SRM大学安得拉邦校区)
针对预算约束下的网络鲁棒性增强问题,提出基于基尔霍夫指数最小化的混合整数与半定松弛方法,并开发可扩展贪心算法,实验验证了成本机制对链路选择的影响。
2026-09-25 cs.SI eess.SP math.OC