Solving multi-resource allocation and location problems in disaster management through linear programming
针对灾害管理中的多资源分配和定位问题，提出了一种基于线性规划的有效方法。这样的问题需要整数解，因此，在大多数情况下，计算依赖于整数和混合整数线性规划求解器。一般来说，这些求解器不能处理大规模的问题。在本文中，我们证明了存在一个大类的灾害管理问题，其精确解可以通过应用单纯形法（线性规划）。给出了数值试验结果。本文的另一个重要贡献与一般的聚类分析和分配有关。也就是说，我们证明了经典的$k$ -medoid聚类方法可以使用线性规划技术（单纯形法）来实现，而不依赖于整数求解器。
2018-12-04 math.OC
A model-free approach for solving choice-based competitive facility location problems using simulation and submodularity
本文提出一种无模型方法，通过仿真和子模割求解基于选择的竞争设施选址问题，在大型实例上优于经典方法并达到最先进水平。
2024-02-16 math.OC
Solving the waste bin location problem with uncertain waste generation rate: a bi-objective robust optimization approach
针对城市生活垃圾产生率不确定导致的收集点规划难题，本文构建双目标鲁棒优化模型，同时优化网络成本与收集频率，并通过现实情景验证其解的竞争力及目标权衡分析价值。
2024-05-10 math.OC
Solving Large-Scale Two-Echelon Location Routing Problems in City Logistics
针对城市物流中两级配送系统的大规模定位-路径问题，提出整合集合覆盖与自适应大邻域搜索的元启发式方法及分解策略，在基准数据集上验证有效性，案例研究显示直接发货等策略可降低成本和排放并提升利用率。
2025-02-12 math.OC
A Novel Co-Evolutionary Algorithm for Solving a Bilevel Pricing and Hubs Location Problem under a Tree Topology
本文提出带价格的双层树形枢纽选址问题（BTHLPwP），通过双层优化建模与单层重构，设计新型协同进化算法（Co-EA）求解，创新性地将种群与领导者决策变量子集关联以生成双层可行解。
2025-03-01 math.OC
A Distributionally-Robust Service Center Location Problem with Decision Dependent Demand Induced from a Maximum Attraction Principle
基于最大吸引原理，建立了一个简单但新颖的决策依赖需求的服务中心选址模型，并进行了分析。在分布鲁棒优化框架下研究了模型配方。建立了基于最大吸引原理的顾客需求和服务效用收益的统计模型，并对模型进行了分析。数值实验表明，该模型在求解中等规模的算例时具有较高的计算效率。
2021-07-07 math.OC
A new algebraic solution to multidimensional minimax location problems with Chebyshev distance
考虑了多维空间中具有Chebyshev距离的无约束和有约束Minimax单设施定位问题。在幂等代数的框架下，提出了一种新的求解方法，将问题归结为求解线性向量方程组和极小化定义在幂等半模上的泛函。该方法提供了一个封闭形式的解决方案，实际上涉及到执行矩阵向量乘法的幂等代数适当的矩阵和向量。为了说明解决方案的程序，二维问题的数值和图形的例子。
2012-10-17 math.OC
Modeling and Solving AP Location and Frequency Assignment for Maximizing Access Efficiency in Wi-Fi Networks
在本文中，我们提出了接入点（AP）的位置和频率分配，部署Wi-Fi网络的两个主要规划任务的优化方法。由于AP相对便宜，因此主要关注的是网络性能。我们考虑一个性能指标，称为访问效率，捕捉用户设备如何共享访问无线介质的关键方面。我们提出了一个两步的方法来处理AP的位置和频率分配在最大限度地提高接入效率。我们的建模方法的一个新颖之处是估计，在AP位置的第一步，预期的频率可用性对频率分配的影响。对于这两个步骤中的每一个，我们推导出双曲公式及其线性化，我们提出了一个有前途的枚举公式。样本结果报告，以显示该方法的适用性。
2011-01-26 cs.NI math.OC
Solving Resource Recharging Station Location-routing Problem through a Resource-space-time Network Representation
资源补给站选址路径问题是具有复杂和关键的资源消耗和补给约束的选址路径问题的推广。基于离散非循环资源时空网络的表示，我们提出了一个通用的配方，以优化动态基础设施的位置和路线的决策。所提出的整数线性规划公式可以通过一个结构良好的多维网络，大大简化了建模表示的时间窗口，资源的变化，和子巡回约束。提出了一种基于拉格朗日松弛的近似求解框架，将问题分解为选择充电站的背包子问题和时空网络中的车辆路径子问题。这两个子问题都可以通过动态规划算法求解，得到最优解。通过大量的实验验证了基于拉格朗日乘子调整的位置路由决策方法以及算法在大规模网络中的有效性。
2016-02-22 cs.NI math.OC
Subgradient Algorithm, Stochastic Subgradient Algorithm, Incremental Subgradient Algorithm, and Set Location Problems
近年来，凸优化方法和技术在选址科学、工程、计算统计和计算机科学等领域的应用取得了重要进展。本文提出了一些简单的算法来求解一些新的设施选址模型，这些模型推广了经典的Fermat-Torricelli问题和最小封闭圆问题。模型的一般不可微性使我们无法应用梯度型算法，因此我们的方法是使用次梯度型算法。本文提出的算法易于实现，适用范围广，也适合于凸优化的教学和学习。
2013-12-20 math.OC
A computational study of off-the-shelf MINLP solvers on a benchmark set of congested capacitated facility location problems
本文比较了Gurobi、Cplex、Mosek、Xpress和Scip五种现成优化求解器在混合整数锥规划形式的拥塞容量设施选址问题上的计算效率与策略，发现Mosek和Gurobi最具竞争力，Mosek在大规模问题上表现更优。
2023-08-02 math.OC
Mesh Refinement Method for Solving Optimal Control Problems with Nonsmooth Solutions Using Jump Function Approximations
提出了一种用Legendre-Gauss-Radau配点法求解最优控制问题的网格加密方法。该方法通过采用基于跳跃函数近似的边缘检测方案来检测控制解中的不连续性。当识别出不连续性时，使用有针对性的$h$细化方法对网格进行细化，从而将不连续性位置与网格点括在一起。使用先前开发的技术细化网格的其余平滑部分。通过两个算例验证了该方法的有效性，结果表明，与已有的方法相比，该方法能以较少的网格细化迭代次数和较少的计算时间解决具有不连续控制解的最优控制问题。
2020-03-25 math.OC
Mesh Refinement Method for Solving Bang-Bang Optimal Control Problems Using Direct Collocation
提出了一种直接配点法求解bang-bang最优控制问题的网格加密方法。该方法首先在粗网格上找到一个解决方案。使用该初始解，该方法然后自动确定哈密尔顿算子相对于控制是否是线性的，并且如果是，则估计控制中的不连续性的位置。通过确定开关函数的根来估计开关时间，其中使用从配置法获得的状态和协态的估计来确定开关函数。然后，通过将原始最优控制问题划分为多个域并包括定义切换时间的位置的变量，在后续网格上提高切换时间的精度。虽然在原则上可以使用任何配置法，在这项研究中，以前开发的Legendre-Gauss-Radau配置法，因为它提供了一个准确的近似的costate，这反过来又提高了近似的开关函数。本文的方法被设计用于与先前开发的网格细化方法，以准确地近似的解决方案中的解决方案是光滑的部分。该方法被证明在三个例子中，它被示出准确地确定开关结构的一个bang-bang最优控制问题。与已有的网格加密方法相比，本文提出的方法提高了求解bang-bang最优控制问题的计算效率。
2019-05-30 math.OC
Benders Cut Classification via Support Vector Machines for Solving Two-stage Stochastic Programs
本文考虑了不确定参数的有限样本下具有完全补偿的两阶段随机规划的Benders分解。我们定义的折弯机削减绑定在最终的最优解或显着改善边界的迭代作为有价值的削减。我们提出了一种学习增强的Benders分解（LearnBD）算法，该算法在每次迭代中增加了一个切割分类步骤，以选择性地生成更有可能是有价值的切割。LearnBD算法包括两个阶段：（i）采样切割并从训练问题中收集信息，以及（ii）使用支持向量机（SVM）切割分类器解决测试问题。我们运行的LearnBD算法的能力限制的设施位置和多商品网络设计的不确定需求的情况下。我们的研究结果表明，SVM切割分类器有效地识别有价值的削减，和LearnBD算法减少了总的解决时间的所有实例的不同大小和复杂性的问题。
2020-10-15 math.OC
Presolving and cutting planes for the generalized maximal covering location problem
本文针对广义最大覆盖选址问题提出同构聚合、优势归约和双顾客不等式三种预处理与割平面技术，显著增强了混合整数规划求解器的求解能力，并解决了多个此前未解的基准实例。
2025-05-09 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
Accelerated Benders Decomposition and Local Branching for Dynamic Maximum Covering Location Problems
针对动态最大覆盖选址问题大规模实例缺乏精确求解方法的现状，本文扩展了静态情况下的branch-and-Benders-cut方法，并提出了一种带有新颖距离度量和高效子问题求解技术的局部分支方案。
2023-10-25 math.OC
A Unified Column Generation and Elimination Method for Solving Large-Scale Set Partitioning Problems
针对大规模集合划分问题传统列生成法精确解率低的问题，提出融合列生成条件松弛与冗余列自动消除的新方法，在实际公交线路数据实验中精确解率从约3%提升至约99%。
2025-03-20 math.OC
The profit-oriented hub line location problem with elastic demand
本文研究考虑需求弹性的枢纽线路选址问题，提出混合整数非线性与线性规划公式以最大化利润，并通过基准实例和蒙特利尔真实数据验证模型价值。
2024-03-28 math.OC
Service Center Location with Decision Dependent Utilities with an Application to Early Stage Testing and Vaccination in Epidemic Planning
研究具有模糊效用增益的服务中心选址问题，通过期望值和方差约束描述位置依赖效用，提出混合0-1二阶锥公式及有效切线不等式强化方法，并应用于Covid-19检测与疫苗接种选址。
2023-04-08 math.OC
Optimizing Server Locations in Spatial Queues: Parametric and Nonparametric Bayesian Optimization
Shanghai Jiao Tong University（上海交通大学）；Yale University（耶鲁大学）；Stanford University（斯坦福大学）；Columbia University（哥伦比亚大学）
本文提出参数化和非参数化贝叶斯优化方法，用于解决空间队列中服务器位置优化问题，证明两种方法能实现次线性遗憾并收敛到最优解。
2025-11-20 math.OC
Coordinating Drop-Off Locations and Pickup Routes: A Budget-Constrained Routing Perspective
本文研究预算约束下投放点选址与单车辆取货路线协同优化问题，提出一种通用数学优化方法，并通过大量合成实验验证其有效性。
2025-05-08 math.OC
Solving DC programs with a polyhedral component utilizing a multiple objective linear programming solver
研究了一类目标函数为DC的非凸优化问题，其中DC表示为两个凸函数$g$和$h$之差$f=g-h$.特别地，我们处理的特殊情况下，两个凸函数之一的$g$或$h$是多面体。在情况下$g$是多面体，我们表明，DC程序的解决方案可以从一个相关的多面体投影问题的解决方案。在$h$是多面体的情况下，证明了DC规划的解可以通过求解多面体投影问题和多个凸规划得到。由于多面体投影等价于多目标线性规划（MOLP），因此MOLP求解器（在第二种情况下与凸规划求解器一起）可以用于求解具有多面体分量的DC规划的实例。提供了数值例子，其中一个应用程序的位置分析。
2017-03-15 math.OC
Solving the Integrated Bin Allocation and Collection Routing Problem for Municipal Solid Waste: a Benders Decomposition Approach
本文针对城市固体废弃物管理中的垃圾收集点选址/容量确定与车辆收集路径设计两个相互依赖的战术规划问题，提出 Benders 分解方法，并在阿根廷布兰卡港市真实实例上验证其相比完整 MIP 模型具有更短的计算时间。
2022-10-03 math.OC
A Relaxation-Based Decomposition Approach for Solving a Supported-Evacuation Problem in Wildfires
Telfer School of Management, University of Ottawa（渥太华大学特尔弗管理学院）
针对野火脆弱人群受支持疏散问题，开发两阶段随机优化模型，采用含组合Benders割等的基于逻辑的Benders分解方法，经实际数据验证可提升疏散效率。
2026-08-07 math.OC
Enhancing Kernel Search with Pattern Recognition: the Single-Source Capacitated Facility Location Problem
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；University of Brescia（布雷西亚大学）
PaKS通过模式识别和增强核搜索方法，有效解决单源有容量设施选址问题，取得优于现有方法的最优解和最小差距。
2025-12-09 math.OC
Computational Approaches for Solving Two-Echelon Vehicle and UAV Routing Problems for Post-Disaster Humanitarian Operations
人道主义物流服务提供者在灾难发生后立即承担两项主要责任：找到被困人员并向他们提供援助。交通和电信网络的故障进一步阻碍了这些困难的行动，这些网络往往因即将发生的灾难而无法使用。在这项工作中，我们提出了一个两级车辆路由框架，用于使用空中无人驾驶汽车（无人机或无人机）执行这些操作，以解决与这些故障相关的问题。在我们提出的框架中，我们假设地面车辆无法直接到达被困人口，但它们只能将无人机从仓库运送到一些中间位置。从这些地点发射的无人机既用于确定对医疗和其他援助的需求（例如，注射笔、医疗用品、干粮、水），并交付给他们。具体来说，我们提出了一个决策框架，其中产生的最优化问题制定为一个两级车辆路径问题，卡车作为第一梯队车辆和第二梯队车辆，我们考虑两种类型的无人机。热点无人机具有提供手机和互联网接收的能力，因此用于捕获需求。随后采用交付无人机来满足观察到的需求。为了处理需求的不确定性，我们将判定问题分解为两个阶段：在第一阶段提供电信能力，从而准确地捕获需求，并在第二阶段满足由此产生的需求。为了解决由此产生的模型，我们提出了有效的计算方法，通过设计一个分解算法与列生成（CG）为基础的算法，以确定最佳的无人机路线。
2022-06-30 math.OC
On the multisource hyperplanes location problem to fitting set of points
在本文中，我们研究的问题，定位一个给定数量的超平面最小化的目标函数的最近距离从一组点。我们提出了一个一般框架的问题，其中规范为基础的点和超平面之间的距离聚集通过有序的中值函数。给出了该问题的一个紧凑的混合线性（或非线性）规划公式，并导出了一个指数变量的扩展集划分公式。我们开发了一个嵌入分支和价格算法中的列生成程序，通过充分执行预处理、定价和分支来解决该问题。我们还分析几何的最优解的问题，推导出的属性，利用所提出的算法生成初始解。最后，一个广泛的计算经验的结果报告。可扩展性的问题也得到了解决，显示理论上的上界的错误，假设由聚合版本取代原始数据集。
2020-02-05 math.OC
A Capacitated Collection-and-Delivery-Point Location Problem with Random Utility Maximizing Customers
本文研究了具有随机效用最大化的顾客的容量化收集与配送点定位问题，提出两种线性改写方法以高效求解，并通过案例研究验证了准确需求建模的重要性。
2025-10-24 math.OC
Dynamic Facility Location under Cumulative Customer Demand
本研究提出累积客户需求下的动态设施选址问题，构建两种混合整数规划模型，分析NP难特性，并设计分支-本德斯割精确算法，实验表明其比直接求解快约五倍，且考虑累积需求能显著提升规划方案性能。
2025-09-22 math.OC
Modified Legendre-Gauss-Radau Collocation Method for Solving Optimal Control Problems with Nonsmooth Solutions
提出了一种求解非光滑解的最优控制问题的新方法。本文提出的方法采用了Legendre-Gauss-Radau正交直接配置法的一种改进形式。这种改进的Legendre-Gauss-Radau方法与以前开发的标准Legendre-Gauss-Radau配置法相比，在网格间隔的末端增加了两个变量和两个约束。两个附加变量是两个网格间隔之间的界面处的时间和每个网格间隔结束时的控制。这两个额外的约束条件是配置条件的那些微分方程，取决于控制和不等式约束的控制在每个网格间隔的端点。附加的约束修改的搜索空间的非线性规划问题，这样一个精确的近似的位置的非光滑性。然后发展了修正Legendre-Gauss-Radau方法的变换伴随系统。利用这种变换后的伴随系统，提出了一种将非线性规划问题的Lagrange乘子变换为最优控制问题的协态的方法。进一步证明了协态估计满足Weierstrass-Erdmann最优性条件.最后，通过一个非光滑问题的算例验证了本文方法的有效性。
2020-11-08 math.OC
A matheuristic algorithm for the single-source capacitated facility location problem and its variants
本文提出了单源容量限制设施选址问题（SSCFLP）及其变型：具有K个设施的SSCFLP（SSCKFLP）、具有连续服务区的SSCFLP（CFLSAP）和具有K个设施和连续服务区的SSCFLP（CKFLSAP）的数学算法。该算法从初始解开始，通过精确求解基于邻域的大子问题来迭代改进解。在5组SSCFLP基准测试实例上对算法的性能进行了测试。在272个实例中，找到了191个最优解，并更新了35个最佳已知解。对于300-1000个设施和300-1500个客户的最大实例集（Avella和Boccia 2009），所提出的算法在解质量和计算时间方面优于现有方法。此外，基于两个地理区域，生成两组实例来测试求解SSCFLP及其变体的算法。所提出的算法找到的解决方案近似最优解或下界的平均差距为0.07%的SSCFLP，0.22%的CFLSAP，0.04%的SSCKFLP，和0.13%的CKFLSAP。
2021-12-24 cs.DM math.OC
Modeling and solving an integrated periodic vehicle routing and capacitated facility location problem in the context of solid waste collection
针对城市废物管理中的垃圾桶容量确定与收集路径调度集成优化难题，提出统一优化模型及两种改进精确公式、混合染色体编码的遗传算法，小算例精度匹配精确求解器，大算例可快速得可行解。
2025-04-14 cs.NE math.OC
Solving the Quadratic Assignment Problem using Deep Reinforcement Learning
Georgia Institute of Technology（佐治亚理工学院）
针对二次分配问题（QAP）规模大于30时难以精确求解的难题，提出基于新型双指针网络的深度强化学习方法，用A2C训练后无需实例级重训练，解的质量接近甚至部分优于局部搜索基线。
2023-10-02 cs.AI cs.LG math.OC
How locating sensors in thermo-acoustic tomography?
热声断层扫描是一种非侵入性的医学成像技术，构成了一个精确和廉价的替代X成像。其原理是用脉冲激励身体进行重建，引起不均匀的加热，从而使组织膨胀。这产生了用传感器测量的声波压力。然后可以通过求解逆问题来执行身体内部的非均匀性的重建，已知身体外部的声波的测量。由于所测量的压力的强度预期是小的，因此具有挑战性的问题在于以适当的方式定位传感器。本文致力于确定一个最佳的传感器位置，以实现这种重建。我们首先介绍了一个模型，涉及一个最小二乘功能站的第一系列的测量传感器的压力的观察，和一个可观测性的常数功能描述的质量重建。然后，我们确定一个合适的位置的传感器的两个系列的措施，在两个步骤：首先，我们重建可能的初始数据，通过解决最坏情况下的设计问题。其次，我们确定从这些初始条件的知识的最佳位置的传感器以最佳的方式观察相应的解的波动方程。远不是提供一个固有的解决方案定位传感器的一般问题，解决这个问题允许确定一个新的传感器位置，提高重建的质量之前，得到一系列新的措施。我们对这个模型进行了数学分析：特别是我们研究了存在性问题，并引入了一个数值算法来解决它。最后，一些数值2D模拟说明了我们的方法。
2018-09-19 math.AP math.OC
Ordered p-median problems with neighborhoods
在本文中，我们介绍了一个新的变种的$p$ -中位数设施定位问题，其中假设的确切位置的潜在设施是未知的。相反，每个设施点必须位于其初始分配位置（邻域）周围的区域中。在这个问题中，两个主要的决策必须同时进行：必须开放，以满足客户的需求和开放的设施在他们的社区，在全局极小值成本的位置的潜在设施的确定。我们提出了几个混合整数非线性规划公式的一个广泛的家庭目标函数，这是常见的位置分析：有序中位数函数。我们还开发了两个数学启发式的方法来解决这个问题。我们报告了大量的计算实验的结果。
2017-10-23 math.CO math.OC
Hub Location under Uncertainty: a Minimax Regret Model for the Capacitated Problem with Multiple Allocations
在本文中，容量限制的枢纽选址问题的最小最大遗憾模型，它考虑到不确定的设置成本和需求。我们专注于枢纽选址与多个分配作为一个战略问题，需要一个明确的解决方案。调查如何确定性模型可能会导致次优的解决方案，我们提供了一个有效的制定方法的问题。计算分析进行调查的不确定性对枢纽的位置的影响。建议的模型也比较了替代方法，季节优化，在效率和实用性。结果表明，在解决实际的枢纽选址问题，将随机性和可变性的参数的重要性。将我们的方法应用到一个来自工业食品生产公司的案例研究中，我们解决了一个涉及季节性需求和不确定性的物流问题。该解决方案产生了一个明确的枢纽网络配置，在整个规划范围内实施。
2017-09-17 cs.DS math.OC
A Heuristic Framework of Variable Neighborhood Descent Methods for the Large-Scale Multi-Level Facility Location Problem in Supply Chain Networks
A. R. Sanchez, Jr. School of Business, Texas A&M International University（德克萨斯农工大学国际学院A.R.桑切斯商学院）；School of Business Administration, The University of Mississippi（密西西比大学工商管理学院）
本文提出基于变量邻域下降法的启发式框架，解决大规模多级设施选址问题，通过比较四种变体验证了方法的有效性。
2026-03-20 math.OC stat.AP
Joint Location and Cost Planning in Maximum Capture Facility Location under Multiplicative Random Utility Maximization
本文首次在竞争性设施选址中引入乘法随机效用最大化框架，提出锥重构、多割外逼近和局部搜索三种方法求解联合选址与成本优化问题，并证明其相比加法框架更易高效求解。
2023-02-11 econ.EM math.OC
Planar Maximum Coverage Location Problem with Partial Coverage, Continuous Spatial Demand, and Adjustable Quality of Service
我们考虑一个推广的经典平面最大覆盖定位问题（PMCLP），其中部分覆盖是允许的，设施有可调的服务质量（QoS）或服务范围，和需求区和服务区的每个设施表示的二维空间对象，如矩形，圆形，多边形等，我们表示这种推广的PMCLP-PC-QoS。在这个问题中的一个关键挑战是同时决定的设施在一个连续的二维平面上的位置和它们的QoS。提出了一种贪婪算法和一种伪贪婪算法，并给出了它们的逼近比。我们还研究了理论性质，并提出了精确的算法来解决：（1）PMCLP-PC-QoS的需求和服务区表示的轴平行矩形（表示为PMCLP-PCR-QoS），这也有应用在摄像机监控和卫星成像;和（2）一维PMCLP-PC-QoS的应用在河流清理。这些结果扩展并加强了Bansal和Kianfar [INFORMS Journal on Computing 29（1），152-169，2017]唯一已知的具有固定和相同QoS的PMCLP-PCR-QoS精确算法。我们目前的计算实验结果进行评估我们提出的精确和近似算法的性能。
2020-12-16 cs.DS math.OC
An Approximation Algorithm for Multi Allocation Hub Location Problems
本文针对多分配 p-枢纽中位、无容量约束枢纽选址及 p-枢纽选址三类问题，提出一种新的近似算法，结合已有算法显著改进了近似界，并能处理更大规模实例。
2023-07-14 cs.DM math.OC
A Douglas-Rachford type primal-dual method for solving inclusions with mixtures of composite and parallel-sum type monotone operators
Chemnitz University of Technology（德累斯顿工业大学）
本文提出两种原始-对偶分裂算法，基于不精确Douglas-Rachford分裂方法，分别在不同希尔伯特空间中求解涉及复合与并行和型单调算子混合的包含问题，允许在每次迭代中分别处理有界线性算子和集值算子，并通过数值实验验证其在定位和图像去模糊问题中的性能。
2012-12-03 cs.NA math.FA math.NA
An Improved Surrogate Method for Solving the Energy Storage Optimal Bidding Problem
预计储能将在缓解可再生能源日益普及带来的变化方面发挥越来越重要的作用。本文研究了半集中式市场中储能单元的最优报价问题。储能单元向运营商提供其可用的存储容量和最大充电/放电速率;然后运营商通过最小化总成本来清除实时市场。能量存储单元以位置边际价格（LMP）支付/收费。该问题可归结为一个下层为混合整数的双层最优化问题。针对这一问题，提出了一种改进的基于代理项的时空熵联合方法。数值算例表明了该方法的可扩展性、高效性和准确性。
2021-09-28 cs.SY eess.SY math.OC
Modified FOX Optimizer for Solving optimization problems
针对FOX优化器易早熟收敛的问题，提出mFOX，通过反对学习、参数调整和新更新方程增强探索，在多个基准和工程问题上优于现有算法。
2025-02-27 cs.NE math.OC
Using tropical optimization to solve constrained minimax single-facility location problems with rectilinear distance
Saint Petersburg State University（圣彼得堡国立大学）
本文通过热带优化方法解决新的约束极小极大单设施选址问题，提供闭式解，并展示多层建筑室内视频监控系统中心监控设施的最优选址应用。
2017-09-07 cs.SY eess.SY math.OC
Strong convergence of modified inertial Mann algorithms for nonexpansive mappings
本文介绍了求解不动点问题的两种新的修正惯性Mann Halpern算法和粘性算法。在适当的条件下，我们建立了强收敛定理。最后，我们的算法被应用到分裂可行性问题，凸可行性问题和选址理论。本文给出的算法和结果可以总结和改进这一领域的已有结果。
2020-01-21 math.FA math.OC
Solving the Pod Repositioning Problem with Deep Reinforced Adaptive Large Neighborhood Search
Brandenburg University of Technology Cottbus-Senftenberg（勃兰登堡技术大学科特博-森芬堡）
本文提出将深度强化学习与自适应大邻域搜索相结合求解机器人移动履行系统中的货架重定位问题，通过DRL动态选择算子并调整参数，实验证明其优于传统方法。
2025-06-03 cs.AI cs.RO math.OC
Exact simultaneous recovery of locations and structure from known orientations and corrupted point correspondences
Massachusetts Institute of Technology（麻省理工学院）；Rice University（莱斯大学）
设$t_1,\ldots,t_{n_l} \in \mathbb{R}^d$和$p_1,\ldots,p_{n_s} \in \mathbb{R}^d$并考虑二分位置恢复问题：给定成对方向观测值的子集$\{(t_i - p_j) / \|t_i - p_j\|_2\}_{i,j \in [n_l] \times [n_s]}$，其中这些观测值的常数部分被任意损坏，找到$\{t_i\}_{i \in [n_ll]}$和$\{p_j\}_{j \in [n_s]}$直到全局平移和缩放。我们研究了最近引入的Shapefit算法，作为解决此二分位置恢复问题的方法。在这种情况下，ShapeFit由$d(n_l + n_s)$实变量上的简单凸规划组成。我们证明了这个程序恢复一组$n_l+n_s$ i.i.d.如果观测值由二分Erdens-Rényi图给出，则$d$足够大，并且假设涉及任何特定位置的观测值中至多有一个常数部分被逆向破坏。这个恢复定理是基于一组确定性的条件，我们证明是足够的精确恢复。最后，我们提出了一个修改后的管道结构的运动问题，基于这个二分位置恢复问题。
2015-09-16 cs.CV cs.IT math.CO
Multitype Integer Monoid Optimization and Applications
自从Gilmore和Gomory [Oper.结果：1961年]。配置IP对每个可能的配置都有一个变量，它描述了物品在某个位置的放置，其值对应于具有该放置的位置的数量。在高多重性问题中，项目有多种类型，并由多重性向量简洁地表示;求解配置IP相当于决定每种类型项目的多重性输入向量是否可以分解为给定数量的配置。我们通过观察可分解为配置的所有输入向量的集合形成幺半群来明确这个隐含的概念，并且解决配置IP是幺半群分解问题。受应用的启发，我们从两个方面丰富了这个问题。首先，有时每个配置另外具有目标值，产生在给定目标下找到“最佳”分解的优化问题。其次，对于不同类型的位置，通常存在不同类型的配置。由此产生的问题是优化输入多重性向量分解为几种类型的配置，我们称之为多类型单调优化，或MIMO。我们开发了快速精确的算法，用于各种MIMO，具有很少或许多位置类型和各种目标。我们的算法建立在一个新的邻近定理连接的解决方案，一定的配置IP的连续松弛。然后，我们投几个基本的调度和装箱问题的MIMO，从而获得新的或更快的算法。我们补充我们的积极的算法结果的硬度结果。
2019-09-16 cs.CC cs.DM cs.DS
Controlling the Kelvin Force: Basic Strategies and Applications to Magnetic Drug Targeting
George Mason University（乔治梅森大学）；University of Maryland College Park（马里兰大学帕克分校）；Universidad del Bío-Bío（比奥比奥大学）
本文提出通过优化问题生成几乎恒定的凯尔文力，用于精准控制药物分布，采用磁偶极子作为源，通过调整磁场强度、位置和方向实现药物定向输送。
2017-04-23 cs.NA math.NA math.OC
Spatial-temporal-demand clustering for solving large-scale vehicle routing problems with time windows
Logistics and Supply Chain Management, School of Management, Technical University of Munich（物流与供应链管理系，管理学院，慕尼黑技术大学）；Munich Data Science Institute (MDSI), Technical University of Munich（慕尼黑数据科学研究所（MDSI），慕尼黑技术大学）
针对带时间窗的大规模车辆路径问题，提出分解-路由-改进（DRI）框架，利用结合时空与需求特征的相似性度量进行聚类分解和剪枝局部搜索，高效降低复杂度并加速求解，具有强泛化性。
2024-01-20 cs.AI cs.LG cs.NE
An Efficient Framework for Global Non-Convex Polynomial Optimization over the Hypercube
该研究提出一种求解超立方体上全局非凸多项式优化的高效框架，将问题重构为无伪局部极小值的凸集非线性问题，结合增广拉格朗日与Burer-Monteiro方法求解，实现了高维难处理问题的多项式级计算缩放。
2024-05-16 cs.MS cs.NA math.NA
