Finite element error analysis for measure-valued optimal control problems governed by a 1D wave equation with variable coefficients
University of Graz(格拉茨大学);National Research University Higher School of Economics(国立高等经济大学)
本文研究了由具有变量系数的1D波动方程所 governed 的最优控制问题,提出了一种三种时间层次的双线性有限元离散化方法,并推导了最优状态变量和成本函数的误差估计。
2018-02-11 cs.NA math.NA math.OC
Semilinear optimal control with Dirac measures
本文研究了带 Dirac 测度强迫项的半线性椭圆偏微分方程最优控制问题,推导了最优性条件,并基于连续分段线性有限元离散提出了一种在二维情形下具有先验误差估计的求解技术。
2023-06-30 cs.NA math.NA math.OC
Application of Bernoulli Polynomials for Solving Variable-Order Fractional Optimal Control-Affine Problems
提出了两种求解变阶分数阶最优控制-仿射问题的有效数值方法。变阶分数阶导数被认为是在Caputo意义下,它与Riemann-Liouville积分算子一起被用于我们的新技术。介绍了伯努利多项式变阶分数次积分的一种精确运算矩阵。我们的方法如下进行。首先,一个特定的近似的微分阶的状态函数被认为是,在伯努利多项式。这样的逼近,连同初始条件,帮助我们获得动力学控制仿射系统的其他现有功能的一些近似。使用这些近似,和高斯-勒让德积分公式,该问题是减少到一个系统的非线性代数方程。然后给出了近似最优状态和控制函数的误差界,从而得到了性能指标的近似值的误差界。最后,我们解决了一些测试问题,这表明我们的结果的高精度。
2020-10-06 cs.NA math.NA math.OC
Optimal control of impulsive Volterra equations with variable impulse times
得到了脉冲Volterra型积分方程在脉冲时刻可变的情况下,具有切换和脉冲控制的最优性的必要条件.目前的工作继续和补充我们以前的工作,脉冲Volterra控制与固定的脉冲时间。
2008-02-06 math.CA math.OC
Sparse optimal control for fractional diffusion
Universidad Técnica Federico Santa María(智利弗雷德里科·圣塔玛利亚技术大学);University of Tennessee(田纳西大学)
本文研究了包含非可微成本泛函、分数扩散作为状态方程及控制变量约束的最优控制问题,推导了存在性、唯一性和正则性结果,并提出了一种基于非均匀椭圆算子的Dirichlet到Neumann映射的数值方法,给出了控制和状态变量的先验误差估计。
2017-04-04 cs.NA math.NA math.OC
The equivalence of optimal perspective formulation and Shor's SDP for quadratic programs with indicator variables
在本文中,我们比较的强度的最佳透视重构和肖尔的SDP放松。我们证明了这两个公式是等价的二次最优化问题与指示变量。
2021-12-19 math.OC
Fractional, semilinear, and sparse optimal control: a priori error bounds
该研究针对含分数阶半线性椭圆偏微分方程的稀疏最优控制问题,证明最优解存在性与最优性条件,提出两种有限元离散格式并分析其收敛性与先验误差界。
2023-12-13 cs.NA math.NA math.OC
Analyzing changes in optimal variables in linear programming with uncertain parameters
University of Liège(列日大学)
研究线性规划中参数不确定性对最优变量值的影响,提出三种线性修改类型并建立连续性、局部凸性和凹性定理。
2026-06-18 math.OC
An algorithm for the optimal solution of variable knockout problems
本文研究0-1整数规划中的变量剔除问题,旨在选择合适的变量设为零,使剩余问题的最优解具备期望属性或不可行,并提出一种求解该问题的最优算法,通过最短路径阻断示例验证了有效性。
2023-10-24 math.OC
A note on optimal probability lower bounds for centered random variables
本文在中心随机变量$ξ$的矩的假设下,得到了$¶(ξ\geq 0)$和$¶(ξ>0)$的下界.所得到的估计被证明是最佳的,并改善了文献中的结果。应用所得结果得到了二阶Rademacher混沌的概率下界。
2008-04-24 math.OC math.PR
Time Regularization in Optimal Time Variable Learning
Heidelberg University(海德堡大学);University of Bayreuth(拜罗伊特大学)
本文扩展 DNN 最优时间变量学习,引入与离散动力系统时间范围相关的正则化项,并提出 ResNet 自适应剪枝方法,在保持表达能力的同时降低复杂度与训练时间。
2023-12-06 cs.LG math.OC
A Julia Module for Polynomial Optimization with Complex Variables applied to Optimal Power Flow
输电网络中的许多最优化问题都可以用复变数多项式问题来表示。具有复变数的多项式最优化问题包括优化实值多项式,该实值多项式的变量和系数是服从某些复多项式等式或不等式约束的复数。这些问题通常直接转换为实变量,或者使用极坐标形式,或者使用矩形形式。在这项工作中,我们提出了一个朱莉娅模块,允许在原来的复杂制定的多项式问题的表示。该模块适用于电力系统优化,其通用设计可以描述电力系统问题的几种变体。文中给出了交流最优潮流和连续安全约束最优潮流的计算结果。
2019-04-18 math.OC
Continuous Random Variable Estimation is not Optimal for the Witsenhausen Counterexample
分布式决策策略的优化设计是一项艰巨的任务,著名的Witsenhausen反例说明了这一点。在本文中,我们的特点是最优控制设计的向量值设置,假设它的结果在一个内部状态,可以描述一个连续的随机变量的概率密度函数。更具体地说,我们提供了一个依赖于我们以前的经验协调问题的结果基因辅助的外边界。这种解决方案通常不是最优的,因为它由两个特定功率的线性方案之间的分时策略组成。因此,原始标量Witsenhausen问题的最佳决策策略必须导致一个内部状态,不能用具有概率密度函数的连续随机变量来描述。
2021-02-04 cs.IT math.IT math.OC
Least Squares Policy Iteration with Instrumental Variables vs. Direct Policy Search: Comparison Against Optimal Benchmarks Using Energy Storage
Princeton University(普林斯顿大学)
本文研究了近似策略迭代(API)方法,使用最小二乘贝尔曼误差最小化的策略评估。我们解决它的几个增强,即贝尔曼误差最小化使用工具变量,最小二乘投影贝尔曼误差最小化,投影贝尔曼误差最小化使用工具变量。我们证明了对于一般的离散时间随机控制问题,使用工具变量的Bellman误差最小化等价于投影Bellman误差最小化的两个变体。这些API方法的替代方案是基于知识梯度的直接策略搜索。这三个近似的动态规划方法的实际性能,然后在能量存储的应用程序的上下文中进行了研究,集成了间歇性的风能供应,以充分服务于随机时变的电力需求。我们使用真实世界的数据创建一个测试问题库,并应用值迭代来找到它们的最优策略。然后,这些基准被用来比较制定的政策。我们的分析表明,API与工具变量贝尔曼误差最小化显着优于API与最小二乘贝尔曼误差最小化。然而,这些方法不如我们的直接策略搜索实现。
2014-01-04 cs.LG math.OC
A Mean-Field Optimal Control Formulation of Deep Learning
Princeton University(普林斯顿大学);Beijing Institute of Big Data Research(北京大数据研究院);Peking University(北京大学);Institute of High Performance Computing, Agency for Science, Technology and Research(科技研究局高性能计算研究院)
最近将深度神经网络和动力系统联系起来的工作为分析深度学习开辟了新的途径。特别是,可以观察到,通过将深度学习重新塑造为差分或微分方程的最优控制问题,可以获得新的见解。然而,这种提法的数学方面还没有得到系统的探讨。本文介绍了深度学习中群体风险最小化问题的数学表述,将其作为平均场最优控制问题。仿照经典最优控制的发展,我们提出并证明了Hamilton-Jacobi-Bellman型和Pontryagin型的最优性条件。这些平均场结果反映了学习问题的概率性质。此外,通过诉诸平均场庞特里亚金的最大值原理,我们建立了人口和经验学习问题之间的一些定量关系。这为研究最优控制和深度学习之间的算法和理论联系奠定了数学基础。
2018-07-03 cs.LG math.OC
Symmetric Discrete Optimal Control and Deep Learning
本文研究离散最优控制与反向传播及深度学习的关联,重点给出离散刚体方程的对称表示并分析伴随轨道上的最优流。
2024-04-09 math.OC
Optimality conditions for the control of a rate independent system with history variable
针对耗散势依赖状态历史、无法使用标准伴随演算的率无关演化最优控制问题,本文用黏性模型逼近并令黏性参数趋零,建立合格且在终端状态条件满足时完备的最优性系统。
2023-12-18 math.OC
Conditional Density Estimation, Latent Variable Discovery and Optimal Transport
本文提出BaryNet框架,结合条件密度估计和潜在变量发现,通过最优传输均值方法实现非参数神经网络算法,有效提升数据变异性解释能力。
2020-07-01 math.OC
Optimality Conditions for Fractional Variational Problems with Dependence on a Combined Caputo Derivative of Variable Order
本文建立了变分数阶组合Caputo导数依赖于拉格朗日量的变分问题的最优性条件。积分的端点是自由的,从而证明了横截性条件。几个特殊的情况下被认为是说明新的结果。
2015-01-09 math.CA math.OC
Relaxations for multi-period optimal power flow problems with discrete decision variables
我们考虑一类最优潮流(OPF)的应用,其中一些负载提供调制服务,以换取激活费。这些应用程序可以建模为多周期配方的OPF与离散变量定义的混合整数非凸数学规划。我们建议两种类型的放宽来解决这些问题。一种是基于拉格朗日松弛,另一种是基于网络流松弛。这两种松弛测试的几个基准,虽然他们提供了一个可比的双重约束,它似乎是来自网络流松弛的解决方案中的约束明显较少违反。
2014-01-06 math.OC
Optimal control of variable-exponent subdiffusion
School of Mathematics and Statistics, Wuhan University(武汉大学数学与统计学院);School of Mathematics, Shandong University(山东大学数学学院)
研究变指数次扩散的最优控制问题,采用卷积方法将模型转化为更易处理的形式,证明最优控制相关性质,通过离散卷积核方法得到状态方程和伴随方程格式的精度,经数值实验证实理论发现。
2026-07-20 math.OC
Global optimality conditions for deep neural networks
Massachusetts Institute of Technology(麻省理工学院)
我们研究了具有平方误差损失的深度线性和非线性神经网络的误差景观。最小化深度线性神经网络的损失是一个非凸问题,尽管最近取得了进展,但我们对这种损失面的理解仍然不完整。对于深度线性网络,我们给出了风险函数的临界点是全局最小值的充分必要条件。令人惊讶的是,我们的条件提供了一个有效的检查测试的全局最优性,而这样的测试通常是棘手的非凸优化。我们进一步将这些结果扩展到深度非线性神经网络,并证明了类似的全局最优性的充分条件,尽管在更有限的函数空间设置。
2018-03-24 cs.LG math.OC stat.ML
Optimal Control of Nonconvex Sweeping Processes with Variable Time via Finite-Difference Approximations
本文研究变时间非凸扫掠型微分包含的最优控制问题,通过开发离散逼近方法并证明其强收敛性,结合变分分析导出次最优性必要条件,并应用于智能体运动模型的交互分析与最优解算法设计。
2025-03-04 math.DS math.OC
On finding optimal collective variables for complex systems by minimizing the deviation between effective and full dynamics
本文通过最小化有效动力学与完整动力学之间的偏差,提出选择最优集体变量的严格准则,并给出误差估计,为复杂系统(如分子动力学)的理论分析提供工具。
2025-03-10 math.OC
Time-optimal control with direct collocation and variable discretization
研究了基于直接配置法的非线性连续时间系统的时间最优控制问题。底层离散化网格随时间变化,因为时间间隔受到优化。这种技术不同于通常基于时间变换的方法。选择Hermite-Simpson配置作为最优控制和轨迹优化领域的常用代表。因此,二次样条逼近系统动态。几种不同阶次的样条适合于控制参数化。比较分析表明,增加控制的自由度,如二次样条,是不适合的时间最优控制问题,由于约束违反和固有的振荡。然而,选择常数或线性控制样条指出是非常有效的。一个主要的优点是,系统动力学的隐式解决方案适用于刚性系统,往往需要较小的网格尺寸在实践中。
2020-05-25 cs.SY eess.SY math.OC
Optimal Control of a Power Storage Facility with Variable Payoffs
本文研究电力储能设施在储能水平、温度等多因素影响下的优化控制问题,提出一种基于超额需求数据且模型无关的随机方法,以识别最大化利润的控制策略。
2024-07-03 math.OC
Stabilizing Quasi-Time-Optimal Nonlinear Model Predictive Control with Variable Discretization
本文论述了非线性系统的时间最优点到点模型预测控制概念的发展和分析。最近的方法在文献中应用的时间变换,但是,不保持递归的可行性分段常数控制参数化。本文的核心思想是引入可变离散的均匀网格。一个收缩的地平线网格自适应计划,确保收敛到一个特定的区域周围的目标状态和递归的可行性。区域的大小可通过设计参数配置。这有利于系统的双模设计的准时间最优控制,以恢复渐近稳定,并建立一个光滑的稳定。两个不同的稀疏模式的非线性规划公式被引入到实现和实现底层的最优控制问题。对于一类数值积分格式,即使没有双模,也能获得名义渐近稳定性和真时间最优性。对比分析以及实验结果表明,所提出的技术的有效性。
2020-04-20 cs.SY eess.SY math.OC
Numerical optimal control for distributed delay differential equations: A simultaneous approach based on linearization of the delayed variables
本文针对分布式时滞微分方程提出一种基于时滞变量线性化和欧拉隐式离散的同时法,将无限维最优控制问题转化为有限维非线性规划并用fmincon求解,通过熔盐核裂变反应堆算例验证其有效性。
2024-10-19 cs.SY eess.SY math.OC
A change of variable formula with applications to multi-dimensional optimal stopping problems
本文针对最优停止问题中值函数二阶导数在停止边界附近不可控的困难,推导了一个只需曲面逐变量单调的变量替换公式,并形式上得到与经典 Itô 公式一致的表达式。
2023-07-06 math.OC math.PR q-fin.MF
Optimal replication of random vectors by ordinary integrals
考虑了当随机变量由Wiener过程产生时,在给定的背景下,用普通积分复制随机向量的问题。我们的目标是找到一个最佳的适应过程,使其累积积分在一个固定的终端时间匹配这个变量。最优过程在积分范数下必须是最小的。
2012-08-08 math.OC math.PR
Implicit Third-Order Peer Triplets with Variable Stepsizes for Gradient-Based Solutions in Large-Scale ODE-Constrained Optimal Control
Technical University Darmstadt(达姆施塔特工业大学);Philipps-Universität Marburg(马尔堡菲利普大学)
本文提出了一种隐式三阶同伴三元组方法,用于高效求解大规模ODE约束最优控制问题,通过可变步长和高阶一致性提升计算精度。
2026-02-11 math.OC
Optimal design of frame structures with mixed categorical and continuous design variables using the Gumbel-Softmax method
本文提出一种基于Gumbel-Softmax方法的梯度优化器,用于同时处理框架结构设计中的类别变量和连续变量,并通过数值案例证明其优于遗传算法等无梯度方法。
2024-12-31 cs.CE math.OC
An Inverse Optimality Method to Solve a Class of Optimal Control Problems
本文提出了一种逆优化方法来求解Hamilton-Jacobi-Bellman方程,求解了一类费用为二次型且动力学在输入中是仿射的非线性优化问题。该方法是逆最优的,因为使控制输入最优的运行成本也明确确定。这项工作的一个特点,与文献中的其他方法相比,是直接获得控制输入的解决方案。也可以在求解控制输入之后获得值函数。此外,一个李雅普诺夫函数,证明至少局部稳定的控制器也得到了。在这方面,本文的主要贡献可以从两个不同的方面来解释:一类非线性系统的李雅普诺夫函数的解析表达式,并获得了一个最优控制器的同一类系统使用一个特定的优化功能。我们还认为,本文的一个额外的贡献是确定明确的系统和优化泛函类的最优控制问题可以解析解决。特别地,对于二阶系统,识别三种情况:i)控制输入仅作为第二状态变量的函数,ii)当动态在第二状态变量中是仿射的时,控制输入在该变量中是仿射的,以及iii)当动态在该变量中是仿射的时,控制输入在第一状态变量中是仿射的。所提出的方法的相关性说明在几个例子中,包括范德波尔振荡器,质量弹簧系统和车辆路径跟踪。
2011-10-10 math.OC
Learning-based Hamilton-Jacobi-Bellman Methods for Optimal Control
许多最优控制问题都是由两点边值问题(TPBVPs)来表示的,其最优性条件是由Hamilton-Jacobi-Bellman(HJB)方程推导出来的。在大多数情况下,它是具有挑战性的解决HJB由于猜测伴随变量的困难。本文提出了两种基于学习的方法来实时寻找伴随变量的初始猜测,这可以应用于解决一般的TPBVP。对于具有不同边界条件下的TPBVP的解和相应伴随变量的数据库的情况,应用监督学习方法离线学习HJB解。在从监督学习中获得经过训练的神经网络之后,我们能够实时地为给定的边界条件找到合适的初始伴随变量。然而,当TPBVP的验证解决方案不可用时,通过构造神经网络、定义报酬函数和设置适当的超参数,将强化学习方法应用于求解HJB。基于强化学习的HJB方法可以通过更新神经网络学习如何找到准确的伴随变量。最后,将这两种学习方法应用于经典的最优控制问题,验证了基于学习的HJB方法的有效性。
2019-07-23 math.OC
Optimal Scheduling of Variable Speed Pumps Using Mixed Integer Linear Programming -- Towards An Automated Approach
本文提出一种利用分段线性近似将可变速泵调度问题转化为混合整数线性规划的方法,并在双泵单水箱网络上验证了其能可靠返回全局最优结果。
2023-09-09 math.OC
Parameter identification via optimal control for a Cahn--Hilliard-chemotaxis system with a variable mobility
我们考虑在Garcke,Lam,Sitka和Styles提出的肿瘤生长模型的扩散界面模型的变体中识别参数的逆问题(Math. Models Methods Appl.Sci. 2016年)。该模型包含三个常数参数,即肿瘤生长速率,趋化性参数和营养消耗率。本文从偏微分方程约束最优控制理论的角度研究了这一反问题,建立了一阶最优性条件。理论分析中的一个主要困难是证明强解对参数的高阶连续依赖性,从而证明当模型具有可变迁移率时解映射是连续Fréchet可微的.由于技术上的限制,我们的结果只在二维足够光滑的域。多边形域的类似结果也示出了恒定的迁移率的情况下。最后,我们提出了一个离散方案的数值模拟的肿瘤模型和解决反问题,使用信赖域高斯-牛顿方法。
2017-07-21 math.AP math.OC
The transversality conditions in infinite horizon problems and the stability of adjoint variable
Institute of Mathematics and Mechanics, Ural Branch, Russian Academy of Sciences(俄罗斯科学院乌拉尔分支数学力学研究所)
研究无限时域自由右端点一致超越最优控制的必要条件,证明了伴随变量总变差无界时庞特里亚金最大值原理的Clarke形式,并提出了伴随变量部分Lyapunov稳定下的横截条件及其修正。
2011-08-12 cs.SY eess.SY math.OC
On the embedding transformation for optimal control of multi-mode switched systems
University of Florida(佛罗里达大学)
本文提出了一种改进的嵌入方法,通过添加凹辅助成本函数,使切换最优控制问题的解变为 bang-bang 形式,从而保证可行性。
2025-12-14 cs.SY eess.SY math.OC