tvopt：一个用于时变优化的Python框架
tvopt: A Python Framework for Time-Varying Optimization
AI总结：
本文提出了tvopt，一个用于时变优化算法原型设计和基准测试的Python框架，支持集中式与分布式在线问题建模，并内置梯度法、ADMM等求解器及预测策略。
摘要：
本文介绍了tvopt，一个用于原型设计和基准测试时变（或在线）优化算法的Python框架。本文首先描述了指导tvopt开发的理论方法。然后讨论了该框架的不同组成部分及其在建模和求解时变优化问题中的用途。特别是，tvopt提供了用于定义集中式和分布式在线问题的功能，以及一组内置算法来求解这些问题，例如基于梯度的方法、ADMM和其他分裂方法。此外，该框架实现了预测策略，以提高在线求解器的精度。本文随后在一个基准问题上给出了一些数值结果，并讨论了使用tvopt实现这些结果的过程。tvopt的代码可在https://github.com/nicola-bastianello/tvopt获取。
英文摘要：
This paper introduces tvopt, a Python framework for prototyping and benchmarking time-varying (or online) optimization algorithms. The paper first describes the theoretical approach that informed the development of tvopt. Then it discusses the different components of the framework and their use for modeling and solving time-varying optimization problems. In particular, tvopt provides functionalities for defining both centralized and distributed online problems, and a collection of built-in algorithms to solve them, for example gradient-based methods, ADMM and other splitting methods. Moreover, the framework implements prediction strategies to improve the accuracy of the online solvers. The paper then proposes some numerical results on a benchmark problem and discusses their implementation using tvopt. The code for tvopt is available at https://github.com/nicola-bastianello/tvopt.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
