Measuring and Optimizing System Reliability: A Stochastic Programming Approach
我们提出了一个计算框架来量化(测量)和优化复杂系统的可靠性。该方法使用一个图形表示的系统,是受随机故障的组件(节点和边缘)。在这种情况下,可靠性被定义为随机组件故障下找到源和汇节点之间的路径的概率,我们表明,这一措施可以通过求解一个随机混合整数规划计算。随机规划设置允许我们考虑系统约束和一般概率分布来表征故障,并允许我们推导出确定最大可靠性设计的优化公式。我们还提出了一种策略,通过使用纯粹的连续配方,以可扩展的方式近似解决这些问题。
2021-06-24 cs.SY eess.SY math.OC
A Sequential Quadratic Programming Method with High Probability Complexity Bounds for Nonlinear Equality Constrained Stochastic Optimization
本文提出一种步长搜索序列二次规划方法,在仅能获得目标函数随机近似的条件下求解非线性等式约束随机优化问题,并推导了迭代复杂度的高概率界。
2024-10-06 math.OC stat.ML
Martingale Optimal Transport in the Discrete Case Via Simple Linear Programming Techniques
我们考虑的问题,找到一致的价格上界和超级复制策略的奇异期权,在市场上的看涨价格的观察。这一研究领域被称为模型独立金融学,由Hobson于1998年引入。在这里,我们使用的链接到大众运输问题。与现有文献相比,我们假设在我们考虑的两个时间点的边缘分布是离散的概率分布。这样的优点是最优化问题简化为线性规划,并且当假设一般鞅Spence Mirrlees条件时,可以相当容易地求解。我们将证明左单调运输计划在此假设下的最优性,并提供一个算法,其建设。我们的证明是简单的,不需要太多的概率论知识。最后我们给出了一个例子来说明我们的方法。
2019-02-07 math.OC
Joint Chance Constrained Optimal Control via Linear Programming
本文提出有限时域联合机会约束最优控制的线性规划形式,可处理不变性、可达性和到达—规避规范,并在有限空间中给出精确且更高效的求解,在连续空间中支持基函数近似。
2024-05-18 cs.SY eess.SY math.OC
Stochastic Programming with Probability
在这项工作中,我们研究的最优化问题的失败约束。这一限制是用导致故障的条件来表示的,代表物理或技术故障。我们制定的问题的概率约束,其中的“信心”的水平是一个建模参数,并解释失败的概率不应超过该水平。随机Arrow-Hurwicz算法的应用提出了两个困难:一个是结构性的,由于缺乏凸性的概率约束,另一个是估计的梯度的概率约束。我们开发了两个梯度估计通过卷积方法和有限差分技术,分别减少偏差,我们提供了一个完整的分析算法的收敛性。收敛结果被用来调整数值算法的参数,以达到最佳的收敛速度,并通过一个金融应用的例子,包括数值结果。
2007-08-02 math.OC
Sum-of-Squares Programming for Ma-Trudinger-Wang Regularity of Optimal Transport Maps
Iowa State University(爱荷华州立大学);University of California Santa Cruz(加州大学圣克鲁兹分校)
本文提出一种基于Sum-of-Squares (SOS)规划的计算方法,为Ma-Trudinger-Wang (MTW)张量提供非负性证书并计算其成立区域的内逼近,从而验证最优传输映射的连续性。
2024-12-17 cs.AI cs.LG math.DG
Dynamic programming systems for modeling and control of the traffic in transportation networks
本论文的题目是交通网络中的交通建模与控制的动态规划系统。本文分为两个部分:1)基于最小代数或最大代数的方法和途径,其中动态系统是确定性动态规划系统; 2)动态系统是非线性的,但可以解释为随机动态规划系统的方法和途径。这两个部分各包括一章必要的评论,两个主要章节和一个章节总结其他工作有关的一部分。第1部分包括第一章,包含介绍和一些必要的评论;两个主要章节,一个是关于地铁线路上训练动力学的最大代数模型,另一个是关于建模和计算道路网络性能界限的网络演算方法;最后一章总结了我对这一部分的其他贡献。第2部分包括第一章,包含介绍和一些必要的评论;两个主要章节,一个是考虑驾驶预期的交通微观建模,另一个是考虑乘客出行需求的地铁线路上的训练动力学建模;最后一章总结了我对这一部分的其他贡献。
2019-11-04 math.DS math.OC
Factored couplings in multi-marginal optimal transport via difference of convex programming
Univ. Bretagne-Sud(布列塔尼南大学);CNRS(法国国家科学研究中心);IRISA(法国国家信息与自动化研究所雷恩-布列塔尼大西洋分校);École Polytechnique(巴黎综合理工学院);CMAP(应用数学中心);Univ Lyon(里昂大学);UJM-Saint-Etienne(圣埃蒂安让·莫内大学)
最优运输(OT)理论是当今许多新兴机器学习(ML)方法的基础,这些方法解决了生成建模、迁移学习和信息检索等广泛的任务。这些后者的作品,但是,通常建立在一个传统的OT设置与两个分布,而留下一个更一般的多边缘OT制定有点未被探索。在本文中,我们研究了多边缘OT(MMOT)问题,并统一了几个流行的OT方法在其保护伞下,通过促进结构信息的耦合。我们表明,将这样的结构信息到MMOT结果在一个不同的凸(DC)规划问题的实例,使我们能够解决它的数值。尽管后者的程序的高计算成本,DC优化提供的解决方案通常是定性的,使用目前采用的优化方案。
2021-12-01 cs.LG math.OC stat.ML
An efficient second-order cone programming approach for dynamic optimal transport on staggered grid discretization
Hunan University(湖南大学);Southern University of Science and Technology(南方科技大学)
本文提出了一种基于二次锥编程的高效数值方法,用于求解在 staggered grid 离散化下的二次成本动态最优传输问题,通过将离散化的动态最优传输问题重新公式化为线性 SOCP,消除了插值矩阵,从而避免了由插值引起的多项式方程和线性系统的求解。此外,利用 SOCP 重新公式化,通过计算上高度经济的近似分解基于增广拉格朗日方法的实现,可以高效地解决这些问题。并且,所提出的方法被开发成开源软件包。各种动态最优传输问题的数值实验表明,所提出的方法在效率上显著优于最先进的软件包,并且在非负测度问题上表现出突出的鲁棒性。
2026-05-20 math.OC
Data-Driven Control Design with LMIs and Dynamic Programming
本文的目标是开发基于线性矩阵不等式(LMI)和动态规划的数据驱动控制设计和评估策略。我们考虑确定性离散时间LTI系统,其中系统模型未知。我们提出了有效的数据收集计划,从状态输入轨迹与数据驱动的LMI设计状态反馈控制器的稳定和线性二次调节(LQR)问题。此外,我们研究理论上保证的勘探计划,以获得有效的数据,从不同的情况下的轨迹。特别是,我们证明,随着越来越多的数据积累,收集的数据变得有效的算法具有更高的概率。最后,讨论了具有收敛保证的数据驱动的动态规划算法。
2021-06-16 cs.SY eess.SY math.OC
A Linear Complexity Algorithm for Optimal Transport Problem with Log-type Cost
针对现有线性时间Sinkhorn算法仅适用于Wasserstein-1度量的局限,本文结合级数重排与动态规划,实现对数型成本下Sinkhorn迭代的线性时间矩阵-向量乘法,拓展了算法适用范围并通过数值模拟验证了效果。
2025-03-23 math.OC
Finding optimal solutions for vehicle routing problem with pickup and delivery services with time windows: A dynamic programming approach based on state-space-time network representations
按需运输系统和共乘服务的优化涉及到解决一类具有时间窗的复杂车辆路径问题(VRPPDTW)。本文首先提出了一个新的时间离散化的多商品网络流模型的VRPPDTW的车辆运载状态的集成的时空运输网络,使联合优化的车辆到车辆的分配和转弯的路线在拥挤的运输网络。我们的三维状态空间-时间网络结构是能够全面列举可能的运输状态在任何给定的时间沿车辆时空路径,并进一步允许向前动态规划解决算法来解决单车辆VRPPDTW问题。通过利用拉格朗日松弛方法,原始多车辆路径问题被分解为一系列的单车辆路径子问题,与拉格朗日乘子的个人乘客请求被更新的子梯度算法。我们进一步讨论了一些搜索空间减少策略和测试我们的算法,通过一个专门的程序在C++中,中型和大型的交通网络,即芝加哥素描和凤凰城区域网络。
2016-04-11 cs.DS math.OC
An Efficient Augmented Lagrangian Framework for Dynamic Optimal Transport on Surfaces Based on Second-Order Cone Programming Reformulation
School of Mathematics, Hunan University(湖南大学数学学院);Department of Mathematics, Southern University of Science and Technology(南方科技大学数学系)
本文针对曲面上的动态最优传输问题,基于Benamou - Brenier - Lisini模型将对偶问题转化为线性二阶锥规划问题,用不精确近端增广拉格朗日方法求解,实现开源软件包并验证其有效性、鲁棒性和计算效率,速度远超现有求解器。
2026-07-21 math.OC
N-Fold Integer Programming
本文研究了一类变维数的整数规划问题。我们证明了这些所谓的{ \em n重整数规划问题}是多项式时间可解的。我们的证明涉及到最近发现的两个重要因素:线性最优化和所谓的定向增广的等价性,以及某些Graver基的稳定性。我们讨论了几个应用程序,我们的算法多路运输问题和包装问题。我们的结果的一个重要后果是一个多项式时间算法的$d$维整数运输问题长多路表。另一个有趣的应用是经典的下料问题的新算法。
2006-05-09 cs.CC cs.DM math.CO
Dynamic Programming Subject to Total Variation Distance Ambiguity
本文的目的是通过动态规划解决随机控制策略的最优性受全变差距离模糊的条件分布的控制过程。我们用极大极小理论来描述随机控制问题,其中控制使收益最小化,而条件分布从全变差距离集合中使收益最大化。首先,我们研究抽象空间上的概率测度空间上的线性泛函的最大化,在这些概率测度中,这些概率测度与名义概率测度在全变差距离内,然后给出了最大化概率测度的封闭形式。其次,在马尔可夫和非马尔可夫假设下,利用最大化问题的解来求解被控过程的条件分布上的确定性控制策略的极大极小随机控制问题。这一部分的结果包括:1)全变差距离模糊约束下的Minimax优化; 2)新的动态规划递推,它除了标准项外还包含了值函数的振子项; 3)新的无限时域折扣动态规划方程,以及相应的压缩性质和一个新的策略迭代算法。最后,我们提供了说明性的例子,有限和无限的地平线的情况下。对于无限时域的情况,我们调用新的策略迭代算法来计算最优策略。
2014-02-05 math.OC
Safe Approximate Dynamic Programming Via Kernelized Lipschitz Estimation
Mitsubishi Electric Research Laboratories(三菱电机研究实验室);Purdue University(普渡大学);Georgia Institute of Technology(佐治亚理工学院)
我们开发了一种方法,通过近似动态规划(ADP)技术获得安全的初始策略,用于强化学习的不确定系统与离散时间动态演化。我们采用核化Lipschitz估计和半定规划计算可容许的初始控制策略,可证明的高概率。这样的容许控制器,使安全的初始化和约束的强制执行,同时提供指数稳定的闭环系统的平衡。
2019-07-03 cs.LG cs.SY eess.SY
Measure-valued spline curves: an optimal transport viewpoint
本文从最优传输角度出发,引入并解决如何平滑插值经验概率测度的问题,通过将传统样条曲线概念扩展到概率测度领域。
2018-01-09 cs.SY eess.SY math.FA
Primal-dual mirror descent for the stochastic programming problems with functional constraints
针对带函数约束的凸优化问题,提出了原始-对偶随机镜像下降算法。我们得到的收敛速率的大偏差的概率。
2017-07-30 math.OC
A Finsler Geometrical Programming for the Nonlinear Complementarity Problem of Traffic Equilibrium
这项工作是一个几何方法的最优化问题运输系统管理的动机。首先,试图提供一个全面的帐户几何规划的基础上,小学芬斯勒几何$I\!\!R^n$。然后,提出了一个非线性交通均衡互补性问题的Finslerian动力学模型,该模型可应用于不同的均衡问题。
2021-09-03 math.DG math.OC
Tutorial and Practice in Linear Programming: Optimization Problems in Supply Chain and Transport Logistics
North Dakota State University(北达科他州立大学)
本教程面向线性规划学习者与从业者,提出新认知框架与地图可视化工作流,结合Python与GIS工具,讲解供应链及运输物流领域多类空间优化问题的建模求解方法。
2023-05-04 cs.AI cs.CE math.OC
Stochastic Programming for Dynamic Temperature Control of Refrigerated Road Transport
本文针对冷藏运输中随机开门时长和初始温度差异等不确定性,提出基于多阶段随机规划与随机对偶动态规划的冷却优化框架,实验表明其较确定性策略平均性能提升35%并显著降低燃料消耗和温度违规。
2025-05-07 math.OC
Fitting a Multi-modal Density by Dynamic Programming
本文考虑了当一个密度函数被约束为具有给定数目的模态区间时的拟合问题。我们提出了一个动态规划的方法来解决这个问题的数值。当这个数是未知的,我们提供了几个数据驱动的方法来选择它。我们进行了一些数值实验来说明我们的方法。
2022-07-15 math.OC stat.CO
On the transport dimension of measures
本文利用分歧最优迁移理论定义了$\mathbb{R}^m$上概率测度的迁移维数。我们证明了一个概率测度的输运维数的上界是Minkowski维数,下界是测度的豪斯多夫维数.此外,我们引入了一个度量,称为"维距离",概率测度空间上的$\mathbb{R}^m$。这个度量给出了一个几何意义的运输维:关于这个度量,我们证明了运输维的概率测度等于距离从它到任何有限的原子概率测度。
2009-09-01 math.CA math.OC
Ramified optimal transportation in geodesic metric spaces
最优输运路径可以被看作是在合适的度量族下的概率测度空间中的测地线。这种测地线可以在许多应用中表现出树形分支结构,例如树木、血管、排水和灌溉系统。本文将概率测度之间分歧最优运输的研究从欧几里得空间推广到测地线度量空间。我们调查的存在性以及最优输运路径的各种性质下的度量,如完整性,加倍,或曲率上界的行为。在完备测地度量空间上引入了概率测度的迁移维数,并证明了概率测度的迁移维数上界为Minkowski维数,下界为测度的豪斯多夫维数.此外,我们还在概率测度空间上引入了一个度量,称为“维数距离”。这个度量给了传输维一个几何意义:关于这个度量,一个概率测度的传输维等于从它到任何有限原子概率测度的距离。
2009-07-31 math.MG math.OC
Risk Neutral Reformulation Approach to Risk Averse Stochastic Programming
本文的目的是表明,在某些情况下,风险厌恶的多阶段随机规划问题可以重新制定的形式的风险中性设置。这是通过改变参考概率测度来实现的,使"坏”(极端)情况更加频繁。作为一个数值例子,我们证明了这种变化的测量方法应用到巴西互联电力系统运行规划问题的优势。
2020-01-06 math.OC
Dynamical Programming for off-the-grid dynamic Inverse Problems
在这项工作中,我们考虑的算法重建时变数据到一个有限的离散轨迹,或者,离网稀疏尖峰分解,这是连续的时间。最近的工作表明,这种分解是可能的,通过最小化一个凸变分模型,结合了二次数据保真度与动态最优输运。我们概括了这个框架,并提出了新的数值方法,利用高效的经典算法计算最短路径的有向无圈图。我们的理论分析证实,这些方法收敛到全局最优的重建,代表了有限数量的离散轨迹。在数值上,我们展示了新的例子不平衡的最优输运处罚,平衡的例子,我们是100倍的速度相比,以前已知的方法。
2022-12-23 cs.NA math.NA math.OC
Statistics of voltage drop in radial distribution circuits: a dynamic programming approach
我们分析了一个配电线路与分布式发电的高渗透率和强烈的变化的功耗和发电水平。在存在不确定性的情况下,需要对系统进行统计描述,以评估停电的风险。为了找到超过电压水平的限制的概率,我们引入了最大电压降的概率分布,并提出了一种算法来找到这个分布。该算法是基于随机的假设,但统计上独立的总线上的负载分布。通过动态规划技术实现总线数量的线性复杂性。我们通过分析一个简单的4总线系统的负载水平的变化高的算法的性能。
2010-06-01 math.OC stat.AP
High-Probability Polynomial-Time Complexity of Restarted PDHG for Linear Programming
Northwestern University(西北大学)
本文证明了在高斯分布假设下,重启PDHG方法在解线性规划问题时具有高概率多项式时间复杂度,并提供了实验验证。
2026-09-10 math.OC
Application of KKT to Transportation Problem with Volume Discount on Shipping Cost
非线性规划问题在设计和分配工作计划以及将货物和服务从已知来源运输到指定目的地方面是有用的。目标函数可以是线性的或非线性的,这取决于运输的模式或路线。在紧急情况下提供货物和服务时,目标费用函数总是假定为非线性的。本研究的目的是研究运输问题的费用函数的性质,并提供求解此类非线性费用函数的算法。运输的每一单位商品的成本可能不是固定的,因为大宗货物和服务有时可以获得批量折扣。这将使费用函数成为分段线性的、可分离的凹函数或凸函数。解决这些问题的方法是应用现有的一般非线性规划算法,并在必要时进行修改,以适应问题的特殊结构。我们从理论上描述,算法的非线性费用函数和状态条件下,实现稳定的充分和必要的情况下。
2020-02-09 math.OC
An Equilibrium Dynamic Traffic Assignment Model with Linear Programming Formulation
本文针对动态均衡交通问题,在简化模型下证明均衡交通分布可通过线性规划求解,并讨论了基于时间扩展网络的算法方法。
2024-08-30 cs.GT math.OC
Integrating Artificial Intelligence and Mixed Integer Linear Programming: Explainable Graph-Based Instance Space Analysis in Air Transportation
Universidade de Brasília(巴西利亚大学);Pontifícia Universidade Católica de Goiás(戈亚斯天主教 Pontifícia 大学)
本文通过GCN和GAT模型分析航空运输中的MILP实例,发现GCN能有效捕捉实例拓扑结构,提升求解器性能。
2025-12-01 cs.CE cs.NE math.OC
Dynamic programming for optimal control of stochastic McKean-Vlasov dynamics
研究一般随机McKean-Vlasov方程的最优控制.这个问题的动机最初来自于在普通噪声下的平均场相互作用中的大量粒子(参与者)的合作平衡的渐近公式。本文的第一个主要结果是陈述了概率测度的Wasserstein空间中的值函数的一个动态规划原理,并从受控状态过程的条件律的一个流性质证明了这一原理。其次,通过依赖于概率测度的可微性的概念,由于P.L. Lions [32]和It{<$}的公式,导出了动态规划的Hamilton-Jacobi-Bellman方程,并证明了其值函数的粘性和唯一性。最后,我们显式地解决了线性二次随机McKean-Vlasov控制问题,并给出了一个应用于银行间系统性风险模型的共同噪声。
2017-01-05 math.OC math.PR
Robust optimal solutions in interval linear programming with forall-exists quantifiers
我们在线性规划中引入了一种新的鲁棒性。如果对于给定区间域的目标函数系数和约束矩阵项的所有实现,从它们的区间域中有适当的右侧项的选择,使得x* 保持最优,则解x* 被称为鲁棒最优。本文提出了一种检验给定点的鲁棒性的方法,并给出了如何找到合适的候选点的建议,同时讨论了鲁棒最优解集的拓扑性质。我们说明我们的概念在运输问题的适用性。
2014-03-28 math.OC
A deep learning approach to multi-marginal optimal transport via Hilbert space embeddings of probability measures
本文提出一种基于概率测度Hilbert空间嵌入和最大均值差异惩罚技术的深度学习数值方法,高效求解多边际Monge问题,并通过合成数据实验验证了其有效性。
2025-07-12 math.OC
Dynamic Programming and Linear Programming for Odds Problem
本文讨论了2000年提出的概率问题及其变形。一个递归关系称为动态规划(DP)方程被用来找到一个最佳停止策略的赔率问题及其变种。2013年,Buchbinder,Jain和Singh提出了一个线性规划(LP)公式,用于寻找经典秘书问题的最优停止策略,这是赔率问题的一个特殊情况。建议的线性规划问题,最大限度地提高了获胜的概率,从DP方程已知的长时间内。本文表明,一个普通的DP方程是一个修改的对偶问题的线性规划,包括LP制定提出的Buchbinder,Jain,和辛格。
2021-07-28 math.OC stat.AP
Constrained dynamical optimal transport and its Lagrangian formulation
我们提出了一个参数化的概率子集约束下的动态最优输运(OT)问题。在深度学习等应用问题中,概率分布往往由参数化的映射函数生成。在这种情况下,我们推导出一个简单的配方约束动力OT。
2018-09-11 math.OC
Formulating Discrete Probability Flow Through Optimal Transport
Sun Yat-sen University(中山大学);WeChat, Tencent Inc.(腾讯公司微信)
本文针对离散扩散模型无确定性概率流的问题,基于最优输运理论定义了离散概率流,并提出新型采样方法,经实验验证其生成结果确定性优于现有离散扩散模型。
2023-11-07 cs.AI cs.LG math.OC
Stochastic viability and dynamic programming
本文研究有限维空间中具有状态和控制约束的不确定离散动态非线性系统的随机控制问题。在确定性的情况下,可行性内核是已知的,这些问题的分析和可行的控制反馈的设计发挥了基本作用。在本文中,我们展示了如何一个随机的可行性内核和可行的反馈依赖于概率(或机会)的约束,可以定义和计算的动态规划方程。一个例子说明了大多数断言。
2010-02-05 math.OC
Stochastic optimal transport and Hamilton-Jacobi-Bellman equations on the set of probability measures
该研究提出概率测度集上的随机最优输运问题,通过定义新的HJB方程粘性解得到一般比较原理,结合随机最优输运能控性结果,证明了粘性解的存在唯一性。
2024-05-21 math.AP math.OC math.PR
Continuous transformations of probability measures and their transport representations
Bocconi University(博科尼大学)
研究概率测度变换的传输表示存在性与正则性,探讨如何通过依赖输入测度的映射将输入测度推前到输出测度,并分析变换函数的正则性依赖于变换方式。
2026-04-17 math.FA math.OC math.PR
Approximating the Optimal Transport Plan via Particle-Evolving Method
最优输运(OT)为比较各种类型的概率测度提供了强有力的工具。Wasserstein距离是由OT的思想自然产生的,它被广泛应用于许多机器学习应用中。不幸的是,计算两个连续概率测度之间的Wasserstein距离总是遇到严重的计算困难。在本文中,我们提出了一个创新的算法,迭代演变的粒子系统,以匹配的最优输运计划为两个给定的连续概率测度。该算法的推导基于熵运输问题的梯度流的构造,而熵运输问题可以自然地理解为具有松弛边界约束的经典Wasserstein最优输运问题.该算法具有理论分析和经验证据。
2021-06-01 math.OC
An efficient implementable inexact entropic proximal point algorithm for a class of linear programming problems
介绍了一类特殊结构的线性规划(LP)问题,它对最优输运、离散层析成像和经济学等不同领域的重要应用问题具有良好的建模能力.为了有效地解决这些大规模的LP问题,我们设计了一个可实现的不精确熵邻近点法(iEPPA)结合一个易于实现的双块坐标下降法作为子求解器。与现有的熵型邻近点法,我们的iEPPA采用了更实际的检查停止条件解决相关的子问题,同时实现可证明的收敛性。此外,当解决容量约束的多边际最优输运(CMOT)问题(我们的LP问题的一个特殊情况),我们的iEPPA是能够绕过基本的数值不稳定性的问题,经常出现在流行的熵正则化方法,因为我们的算法不需要的邻近参数非常小,以获得一个准确的近似解。大量的数值实验表明,我们的iEPPA是有效的和强大的解决大规模CMOT问题。对离散层析成像问题的实验也突出了我们的模型的潜在建模能力。
2022-04-23 math.OC
McKean-Vlasov optimal control: the dynamic programming principle
我们研究了具有共同噪声的McKean-Vlasov最优控制问题的各种形式,即强和弱形式,以及马尔可夫和非马尔可夫形式,并允许控制过程的规律出现在状态动力学中.通过将控制解释为一个适当的具有两个过滤的标准空间上的概率测度,我们在这个新的背景下发展了经典的可测选择,条件和连接参数,并建立了一般条件下的动态规划原理.
2020-03-24 math.OC math.PR
Interval Transportation Problem: Feasibility, Optimality and the Worst Optimal Value
我们考虑一个运输问题的模型,其目标是找到一个最小成本的运输计划,将给定的商品从一组供应中心运送到客户。由于实际问题中的供需和运输成本并不总是精确的,因此我们采用区间规划的方法来表示这种不确定性,从而建立了一个区间运输问题模型。区间模型假设数据的下限和上界是给定的,并且值可以在这些界限内独立地扰动。在本文中,我们提供了一个概述的条件检查的基本性质的区间运输问题通常研究区间规划,如弱和强的可行性或最优性。通过寻找问题的一个合适的场景,我们得到了一个在多项式时间内检验解的弱最优性的条件。此外,我们制定了一个类似的条件,测试强最优性的运输问题的解决方案与区间供应和需求(和确切的成本)。此外,我们还综述了计算最佳和最差最优值的结果。我们建立在一个精确的方法来解决NP-困难的问题,计算最坏的(有限的)最优值的区间运输问题的基础上分解的最优解集的互补松弛。最后,我们进行了计算实验,以表明该方法可以与国家的最先进的启发式算法的竞争。
2023-01-30 math.OC
High Probability Complexity Bounds of Trust-Region Stochastic Sequential Quadratic Programming with Heavy-Tailed Noise
University of California, Berkeley(加州大学伯克利分校);Georgia Institute of Technology(佐治亚理工学院)
本文提出了一种信任区域随机序列二次规划方法,针对具有随机目标和确定性等式约束的非线性优化问题,建立了高概率迭代复杂度界限,以识别一阶和二阶ε-驻点,尤其在处理重尾噪声时扩展了二阶驻点分析。
2026-04-01 cs.CC cs.LG cs.NA
Weak continuity of risk functionals with applications to stochastic programming
衡量和管理风险已成为随机不确定性下现代决策的关键。在两阶段随机规划中,均值风险模型本质上是由一个参数补偿问题和一个风险量化问题定义的。从定性鲁棒性理论的角度,我们讨论了所得到的目标函数的连续性的充分条件关于扰动的基本概率测度。我们的方法涵盖了一个相当全面的类随机编程相关的风险措施和相关的追索权模型。这不仅统一了以前的方法,但也扩展了已知的两阶段随机规划的稳定性结果的模型与混合整数二次追索和混合整数凸追索,分别。
2016-11-25 math.OC
Quantum thermodynamics and semidefinite programming: regularization and algorithms
University of Warwick(华威大学);Instituto de Matemática Pura e Aplicada(巴西数学纯应用研究所);Department of Mathematics and Statistics, University of Ottawa(渥太华大学数学与统计系);Università statale di Milano(米兰大学)
本文提出了一种通用框架,用于解决量子热力学中的正则化问题,并探讨了其在量子态重构和最优运输中的应用,同时分析了算法收敛性。
2026-03-06 math-ph math.MP math.OC
Matrix balancing based interior point methods for point set matching problems
点集匹配问题可以用最优输运来处理。其背后的机制是,最优输运恢复与最小卷曲变形相关联的点对点对应关系。最优输运是一种特殊形式的密集约束线性规划。线性规划可以用内点方法来处理,只要所涉及的病态Hessian能被精确计算。在这十年中,矩阵平衡已被用于计算熵正则化方法下的最优输运。内点法的解的质量取决于两个因素:矩阵平衡的精度和对偶向量的有界性。为了实现高精度的矩阵平衡,我们采用牛顿法实现沿一条中心路径的一系列矩阵的矩阵平衡,在这项工作中,我们将稀疏支持约束应用于基于矩阵平衡的内点方法,其中满足总支持的稀疏集被迭代更新以截断运输计划的域。全支撑条件是保证矩阵平衡存在和对偶向量有界的一个重要条件。
2023-02-16 math.OC
Accelerated gradient descent method for functionals of probability measures by new convexity and smoothness based on transport maps
本文针对欧几里得空间上概率测度泛函最小化问题,基于传输映射引入新凸性与光滑性,提出不依赖Wasserstein几何的确定性加速梯度下降算法,并证明其收敛快于普通梯度下降,数值实验验证了理论。
2023-09-03 cs.NA math.NA math.OC
Dynamic Programming Principles for Mean-Field Controls with Learning
动态规划原理(DPP)是控制和优化的基础,包括马尔可夫判定问题(MDP),强化学习(RL)和最近的平均场控制(MFC)。然而,在MFC的学习框架中,DPP并没有严格建立,尽管它对算法设计至关重要。在本文中,我们首先提出了一个简单的例子,在MFC的学习,DPP失败与错误指定的Q函数,然后提出了正确的形式的Q函数在适当的空间中的MFC的学习。这种特殊形式的Q函数不同于经典的Q函数,称为IQ函数。在转移概率和报酬与平均场信息无关的特殊情况下,该方法在状态-动作分布上积分了单智能体RL的经典Q函数.换句话说,具有学习的MFC可以被视为通过用其概率分布空间替换状态-动作空间来提升经典RL。IQ函数的这种识别使我们能够在MFC的学习框架中精确地建立DPP。最后,我们通过数值实验说明了这个IQ函数的时间一致性。
2022-04-15 math.OC
Convex Discrete Optimization
我们发展了离散集上凸优化的算法理论。使用代数和几何工具的组合,我们能够提供多项式时间算法,解决广泛的类凸组合最优化问题和凸整数规划问题的变维。我们讨论了这个理论的许多应用,包括二次规划,拟阵,装箱和切割库存问题,向量分割和聚类,多路运输问题,隐私和机密的统计数据披露。我们的主要工作包括:当基本多面体的边方向很少时,由成员预言机给出的任何族上的凸线性组合优化的强多项式时间算法; n重整数规划的新理论,得到变维凸线性整数规划问题的重要自然类的多项式时间解;和一个完整的复杂性分类的高维运输问题,与实际应用的基本问题,在隐私和机密的统计数据披露。
2007-03-20 cs.CC cs.DM math.CO
On the Structure of Optimal Transportation Plans between Discrete Measures
本文证明了离散型最优运输计划的一个结构定理。我们表明,给定任何一对离散的概率测度和一个费用函数,存在一个最优的运输计划,可以表示为两个确定性计划的总和。作为一个应用,我们估计两个离散概率测度$μ$和$ν$之间的无穷大-Wasserstein距离,$p$ -Wasserstein距离乘以一个常数,该常数取决于$μ$、$ν$和固定的费用函数。
2021-04-27 math.OC
Minimum Flow Decomposition in Graphs with Cycles using Integer Linear Programming
最小流分解(MFD)-找到一个最小的加权源到汇路径集,完美地分解流的问题-是计算机科学中的经典问题,它的变体是生物信息学和交通运输等不同领域的强大模型。即使在非循环图上,这个问题也是NP难的,大多数实际的解决方案都是通过解析法或近似法。虽然有一个广泛的机构的研究无环图,目前,没有\emph{exact}解决方案的图与循环。在本文中,我们提出了第一个ILP制定的三个自然变种的MFD问题的图与周期,要求分解只包括加权源到汇的路径或周期,步道,和步行,分别。在生物信息学和交通运输的三个日益复杂的数据集上,我们的方法在10分钟内解决了任何问题。我们的实现可以在github.com/algbio/MFD-ILP上免费获得。
2023-01-16 cs.DS math.CO math.OC
DDKSP: A Data-Driven Stochastic Programming Framework for Car-Sharing Relocation Problem
Concordia University(康考迪亚大学);Shenyang Aerospace University(沈阳航空航天大学);Ericsson INC.(爱立信公司)
汽车共享问题是共享经济中的一个热门研究领域。本文研究了需求不确定条件下的汽车共享搬迁问题。通常情况下,真实的客户需求遵循复杂的概率分布,无法用参数方法描述。为了克服这个问题,一个创新的框架,称为数据驱动的核随机规划(DDKSP),集成了非参数的方法-核密度估计(KDE)和两阶段的随机规划(SP)模型提出。具体地说,概率分布是从历史数据的KDE,这是用来作为输入的不确定性参数SP。此外,CSRP制定为一个两阶段SP模型。同时,采用样本平均近似(SAA)的蒙特卡罗方法和Benders分解算法对大规模最优化模型进行求解。最后,基于纽约出租车出行数据集的数值实验验证表明,所提出的框架优于纯参数方法,包括高斯,拉普拉斯和泊松分布的3.72%,4.58%和11%的总利润。
2020-01-20 cs.LG eess.SP math.OC