Solving Sparse Mixed-Integer Quadratic Problems: Application to the Unit Commitment Problem with Optimal Power Flow
University of Santiago de Compostela(圣地亚哥-德孔波斯特拉大学);CITMAga (Galician Center for Mathematical Research and Technology)(加利西亚数学研究与技术中心);Politecnico di Milano(米兰理工大学);Ivey Business School, Western University(韦仕敦大学艾维商学院);IE University(IE大学)
提出一种结合半定规划松弛与弦分解的框架,利用稀疏性求解MIQCQP,在含AC最优潮流的机组组合问题上取得优于现有全局求解器的可扩展性。
2026-06-07 math.OC
On efficiently solving the subproblems of a level-set method for fused lasso problems
在应用在[Van den Berg和Friedlander,SIAM J. on Scientific Computing,31(2008),pp. 890- 912和SIAM J. on Optimization,21(2011),pp.为了解决融合套索问题,需要解决一系列正则化最小二乘法子问题。为了使水平集方法实用,我们开发了一个高效的不精确半光滑牛顿增广拉格朗日方法来解决这些子问题。我们的方法的效率是基于几个成分,构成本文的主要贡献。首先,给出了融合lasso正则化子的邻近映射的广义雅可比矩阵的显式构造公式。其次,为了有效地实现半光滑牛顿法,对广义雅可比矩阵的特殊结构进行了细致的提取和分析。最后,数值结果,包括我们的方法和几个国家的最先进的求解器之间的比较,在真实的数据集上展示了我们提出的算法在解决具有挑战性的大规模融合套索问题的高效率和鲁棒性。
2017-06-27 math.OC
Bilevel Cutting-plane Algorithm for Solving Cardinality-constrained Mean-CVaR Portfolio Optimization Problems
研究了以条件风险价值(CVaR)为风险度量的均值风险投资组合最优化模型。我们还采用基数约束来限制投资资产的数量。求解这种基数约束的均值CVaR模型在计算上具有挑战性,主要有两个原因。首先,由于基数约束,该模型被表示为混合整数优化(MIO)问题,因此当可投资资产数量较大时,精确求解该问题非常困难。第二,问题规模取决于资产回报情景的数量,当情景数量较大时,计算效率会降低。为了克服这些挑战,我们提出了一个高性能的算法命名为\emph{bilevel cutting-plane algorithm}的基数约束均值CVaR投资组合最优化问题精确求解。我们首先将问题转化为一个两层最优化问题,然后开发一个切割平面算法来解决上层问题。为了加快计算切割生成,我们适用于低层次的问题,另一个切割平面算法,有效地最大限度地减少CVaR与大量的情况。此外,我们证明了我们的双层切割平面算法的收敛性。数值实验表明,与其他MIO方法相比,我们的算法可以更快地提供最优解的大型问题的例子。
2020-08-07 math.OC
A Warm Start Method for Solving Chance Constrained Optimal Control Problems
提出了一种有效求解复杂机会约束最优控制问题的热启动方法。热启动方法解决了机会约束最优控制问题的计算挑战,使用有偏的核密度估计和Legendre-Gauss-Radau配置与$hp$自适应网格细化方法。为了解决计算的挑战,热启动方法提高了机会约束最优控制问题的起点,以及通过网格细化迭代循环的效率。改进是通过调整核密度估计器的参数,以及实现作为解决方案过程的一部分的内核开关。此外,偏置核密度估计器的样本的样本个数被设置为通过一系列网格细化迭代而递增。因此,热启动方法是调整参数、内核切换和样本量增量增加的组合。这种热启动方法成功地应用于解决两个具有挑战性的机会约束最优控制问题的计算效率的方式,使用有偏核密度估计和Legendre-Gauss-Radau配置。
2020-07-20 math.OC
Canonical Duality Theory and Algorithm for Solving Bilevel Knapsack Problems with Applications
提出了一种新的正则对偶理论(CDT),用于求解由线性和二次背包问题控制的一般两层混合整数非线性最优化。这表明,具有挑战性的背包问题可以解析地解决他们的规范对偶解。证明了这些解析解的存在唯一性。讨论了背包问题的NP-困难性。提出了一种结合交替迭代和体积缩减的CDT算法来求解NP难双层背包问题。最后以最优拓扑设计中的一个基准问题为例说明其应用。该方法的性能和新颖性与流行的商业代码进行了比较。
2018-11-26 cs.DM math.OC
Solving graph equipartition SDPs on an algebraic variety
半定规划由于其高维性而通常具有挑战性。Burer和Monteiro利用线性SDP问题的低秩性质,提出了一种求解线性SDP问题的非凸方法。他们的方法是快速的,因为他们使用因式分解来减少问题的大小。在本文中,我们专注于解决图均分问题的SDP松弛,这涉及到一个额外的半定上界约束,在传统的线性SDP。利用因子分解方法,得到了一个带有非光滑谱不等式约束的非凸问题。讨论了非凸问题与原SDP等价的条件以及非凸问题的二阶稳定点也是全局极小值的条件。我们的结果推广了以前的工作光滑非凸分解方法的线性SDP的非光滑的情况下。此外,非凸问题的约束涉及具有一些有益性质的代数簇,这些性质使我们能够使用Riemannian优化技术和非凸增广拉格朗日方法非常有效地解决SDP问题,并具有经过验证的全局最优性。
2022-08-03 math.OC
On Solving Unit Commitment with Alternating Current Optimal Power Flow on GPU
针对求解困难的机组组合与交流最优流混合整数非线性规划问题,提出基于ADMM的组件分解算法,在Julia中实现并支持GPU加速,利用IEEE实例验证了其快速求解可行解的有效性。
2023-10-19 math.OC
Embedding Assignment Routing Constraints through Multi Dimensional Network Construction for Solving the Multi Vehicle Routing Problem with Pickup and Delivery with Time Windows
带时间窗集货配送的多车辆路径问题是一类具有挑战性的车辆路径问题。在本文中,通过嵌入许多复杂的分配路由约束,通过构建一个多维网络,我们打算达到最优的本地集群来自一个合理的大集合的乘客在现实世界的交通网络。更具体地说,我们引入了一个多车辆状态空间时间网络表示,其中只有非支配分配为基础的超路径进行检查。此外,借助于本文定义的乘客累积服务模式,我们的解决方案能够控制对称性问题,一个常见的问题,在组合问题。最后,对Ropke和Cordeau 2009提出的算例和Tempe市Phoenix分区随机生成的数据集进行了大量的计算,结果表明了本文算法的计算效率和解的最优性.
2016-07-06 math.OC
Solving the Optimal Experiment Design Problem with Mixed-Integer Convex Methods
Technische Universität Berlin(柏林工业大学);Zuse Institute Berlin(柏林祖斯研究所);Université Grenoble Alpes(格勒诺布尔阿尔卑斯大学);Inria
本文提出了一种基于混合整数凸方法的最优实验设计解决方案,通过非线性分支定界算法和Frank-Wolfe算法实现高效求解。
2025-11-20 math.OC
Solving nonlinear optimal control problems with state and control delays by shooting methods combined with numerical continuation on the delays
在本文中,我们介绍了一种新的方法来解决非线性最优控制问题的延迟,利用间接方法结合数值同伦程序。众所周知,通过间接方法(源于Pontrya-gin最大值原理)求解这类问题是复杂的,计算量大,因为它们的实现面临两个主要困难:极值方程涉及向前和向后项,此外,相关的打靶法必须仔细初始化。这里,从最优控制问题的非延迟版本的解决方案开始,通过数值延拓引入延迟。这将创建一系列最优延迟解决方案,这些解决方案收敛到所需的解决方案。我们建立了一个收敛定理,确保连续依赖w.r.t.最优状态、最优控制(弱意义下)和相应伴随向量的延迟。伴随向量的收敛性是最具挑战性的一步,证明和建议同伦过程的适定性是至关重要的。两个数值算例的提出和分析表明,这种方法的效率。
2017-09-13 math.OC
Solving Schrödinger bridge problem via continuous normalizing flow
针对薛定谔桥问题通用情形计算难的问题,提出结合连续归一化流与得分匹配的计算框架近似其动态漂移项,给出Γ收敛分析并通过数值实验验证,为生成模型等概率流方法提供新路径。
2025-03-22 math.OC
Solving Dynamic Optimization Problems to a Specified Accuracy: An Alternating Approach using Integrated Residuals
本文提出了一种新的求解非线性连续时间动态最优化问题的直接转换和求解方法。而不是迫使动态约束,以满足只有在选定的点的直接配置,新的方法之间交替最小化和约束的平方范数的动态约束残差沿整个解决方案的轨迹。因此,该方法可以1)获得更高的精度为相同的网格相比,直接配置法的解决方案,2)使一个灵活的解决方案的精度和最优性之间的权衡,3)提供可靠的解决方案具有挑战性的问题,包括奇异弧和高指标微分代数方程。
2022-01-21 cs.SY eess.SY math.OC
Solving Composite Fixed Point Problems with Block Updates
通过在每次迭代中只激活一个算子块,可以用各种策略迭代地构造非扩张算子的公共不动点。在更具有挑战性的一类复合不动点问题,涉及运营商,不共享共同的不动点,目前的方法需要激活的所有运营商在每次迭代,并保持收敛,同时更新只有块的运营商的问题是开放的。我们提出了一种方法,实现这一目标,并分析其渐近行为。弱,强,和线性收敛的结果,建立利用与理论的集中阵列。应用到几个非线性和非光滑分析问题,从单调包含和不一致的可行性问题,最小化问题中出现的数据科学。
2021-02-07 math.FA math.OC
Novel Deep neural networks for solving Bayesian statistical inverse
George Mason University(乔治梅森大学);University of Maryland, College Park(马里兰大学帕克分校)
本文研究了大规模线性和非线性偏微分方程(PDE)的贝叶斯统计反问题的模拟。马尔可夫链蒙特卡罗(MCMC)算法是解决此类问题的标准技术。然而,MCMC技术在计算上具有挑战性,因为它们需要数千个正向PDE解。本文的目标是介绍一种基于分数深度神经网络的方法,用于MCMC例程中的正向求解。此外,我们讨论了一些近似误差估计,并通过几个数值例子说明我们的方法的效率。
2021-02-08 cs.LG cs.NA math.NA
Neural network architectures using min-plus algebra for solving certain high dimensional optimal control problems and Hamilton-Jacobi PDEs
Brown University(布朗大学);The University of Melbourne(墨尔本大学);UCLA(加州大学洛杉矶分校)
求解高维最优控制问题及相应的Hamilton-Jacobi偏微分方程是控制工程中重要而又具有挑战性的问题。本文针对一类高维最优控制问题,提出了两种分别用于计算值函数和最优控制的抽象神经网络结构。我们提供了这两个抽象体系结构的数学分析。我们还展示了使用这些抽象架构的深度神经网络实现计算的几个数值结果。我们提出的神经网络架构在FPGA上的初步实现显示出与CPU相比有前途的速度。这项工作为利用为神经网络设计的高效专用硬件解决高维最优控制问题和Hamilton-Jacobi偏微分方程铺平了道路。
2023-03-29 cs.LG math.OC
SympOCnet: Solving optimal control problems with applications to high-dimensional multi-agent path planning problems
Division of Applied Mathematics, Brown University(布朗大学应用数学系);School of Engineering, Brown University(布朗大学工程学院)
实时求解高维最优控制问题是一个重要但具有挑战性的问题,其应用于多智能体路径规划问题,近年来无人机的日益普及引起了越来越多的关注。在本文中,我们提出了一种新的神经网络方法称为SymPOCnet,应用辛网络解决高维状态约束最优控制问题。我们提出了一些数值结果的路径规划问题在二维和三维空间。具体来说,我们证明了我们的SympOCnet可以在1.5小时内在单个GPU上解决超过500个维度的问题,这表明了SympOCnet的有效性和效率。所提出的方法是可扩展的,并有可能解决真正的高维实时路径规划问题。
2022-01-14 cs.LG math.OC
Techniques for Solving Sudoku Puzzles
解决数独谜题是世界上最受欢迎的消遣之一。谜题的难度从简单到非常具有挑战性;最难的谜题往往有最多的空单元。本文介绍并比较了数独问题的三种求解算法。回溯法、模拟退火法和交替投影法是求解组合最优化问题的常用方法。我们的结果支持回溯。它绝对正确地解决了数独难题或推断出一个唯一的解决方案不存在。然而,回溯在高维组合优化中不能很好地扩展。因此,让数学科学的学生在具体的环境中接触其他两种解决方法是有用的。模拟退火算法与马尔可夫链蒙特卡罗算法(MCMC)具有共同的结构,具有广泛的适用性.交替投影法解决了凸规划中的可行性问题。将离散最优化问题转换为连续的最优化问题开辟了处理更高维的组合问题的可能性。
2013-05-16 cs.DS math.OC stat.CO
Deterministic approaches for solving practical black-box global optimization problems
Università della Calabria(卡拉布里亚大学);Lobachevsky State University of Nizhni Novgorod(下诺夫哥罗德罗巴切夫斯基国立大学)
本文提出确定性方法解决多极值目标函数在约束下的全局最优问题,通过高效算法应对黑盒函数的计算挑战,验证了方法在随机测试和工程任务中的有效性。
2015-09-15 cs.NA math.NA math.OC
Dynamical system-based computational models for solving combinatorial optimization on hypergraphs
动力系统的内禀能量最小化为组合优化中的计算难题的目标函数最小化提供了一个有价值的工具。然而,大多数现有工作集中于将这种动态映射到目标函数具有二次度的组合优化问题(例如,MaxCut);这些问题可以使用图形来表示和分析。然而,开发这种模型的问题,需要的目标函数的程度大于2,随后,需要使用超图数据结构的工作,是相对稀疏的。在这项工作中,我们开发了动力系统启发的计算模型的几个这样的问题。具体来说,我们定义的“能量函数”的超图为基础的组合问题,从布尔SAT和它的变种,以整数分解,随后,定义所产生的系统动力学。我们还证明了该设计方法适用于二次优化问题,并使用它开发了一种新的动力系统公式来最小化伊辛汉密尔顿。我们的工作不仅扩大了可以直接映射到并使用物理模型解决的问题的范围,而且还为设计用于解决组合优化的高性能加速器创造了新的机会。
2022-07-20 math.OC physics.app-ph
Regularized Barzilai-Borwein method
本文提出正则化 Barzilai-Borwein(RBB)步长,通过将步长视为 ℓ₂²-正则化最小二乘问题的近似解,克服 BB 步长在病态优化问题中的不稳定性,并证明其在凸二次优化中的全局收敛性。
2025-06-02 cs.NA math.NA math.OC
Incremental Model Building Homotopy Approach for Solving Exact AC-Constrained Optimal Power Flow
针对大规模交流最优潮流(AC-OPF)局部最优解求解难、收敛无保障的问题,提出基于电网物理特性的同伦方法,通过求解序列原-对偶内点问题实现鲁棒局部收敛,在美东互联规模测试网验证了有效性。
2020-11-01 cs.SY eess.SY math.OC
A Decomposition Method for Solving Sensitivity-Based Distributed Optimal Power Flow
National Renewable Energy Laboratory(美国国家可再生能源实验室);Georgia Institute of Technology(佐治亚理工学院)
本文提出了一种基于灵敏度的分布式OPF求解方法,利用ADMM算法提高计算效率,相比传统方法快14倍。
2025-12-27 cs.SY eess.SY math.OC