Derivative-free methods for mixed-integer nonsmooth constrained optimization
在本文中,我们考虑混合整数非光滑约束最优化问题,其目标/约束函数仅作为黑盒零阶预言机的输出(即,不提供衍生信息的Oracle),并且我们提出了一种新的基于无衍生的线搜索的算法框架来适当地处理这些问题。我们首先描述了一个计划,结合了密集的方向序列(处理的非光滑的目标函数)与原始方向(处理离散变量)的约束问题。然后,我们嵌入一个精确的惩罚方法,该计划适当地管理非线性(可能是非光滑的)约束。我们分析了所提出的算法对稳定点的整体收敛特性,我们报告了一组混合整数测试问题的大量数值经验的结果。
2021-07-01 math.OC
Second Order Shape Optimization for an Interface Identification Problem constrained by Nonlocal Models
本文将形状优化方法推广到受非局部 Dirichlet 问题约束的界面识别问题,推导约化泛函的二阶形状导数并研究相应的二阶优化算法。
2024-06-13 math.OC
Top Feasible-Arm Subset Identification in Constrained Multi-Armed Bandit with Limited Budget
针对预算受限的约束多臂老虎机最优可行臂子集识别问题,提出CSAR算法,并证明其错误识别概率的有限时间上界随采样预算指数收敛至零。
2025-01-21 math.OC
Directional derivative of the value function for parametric set-constrained optimization problems
本文针对扰动下的一般参数集约束优化问题,推导值函数的Dini方向导数上下估计与Hadamard方向可微性条件,无需集合凸性,在参数非线性规划中以更弱正则条件和更小的方向解集改进了经典结果。
2023-11-06 math.OC
COBALT: COnstrained Bayesian optimizAtion of computationaLly expensive grey-box models exploiting derivaTive information
许多工程问题涉及计算昂贵的模型,衍生信息是不容易获得的优化。贝叶斯优化(BO)框架是一个特别有前途的方法来解决这些问题,它使用高斯过程(GP)模型和预期的效用函数系统的开发和探索的设计空间之间的权衡。然而,BO从根本上受到黑盒模型假设的限制,该假设没有考虑任何潜在的问题结构。在本文中,我们提出了一种新的算法,COBALT,约束灰箱最优化问题,结合多元GP模型与一种新的约束预期效用函数,其结构可以利用国家的最先进的非线性规划求解器。COBALT相比,传统的BO的七个测试问题,包括校准的基因组规模的生物反应器模型的实验数据。总体而言,COBALT在无约束和约束测试问题上都表现出非常有前途的性能。
2022-02-08 math.OC
A derivative-free regularization algorithm for equality constrained nonlinear least squares problems
针对目标函数和约束雅可比矩阵不可用或计算昂贵的等式约束非线性最小二乘问题,提出基于正交球面平滑近似雅可比矩阵的无导数正则化算法,证明其能以任意高概率找到近似KKT点或几乎必然收敛到约束违反平稳点。
2025-07-08 math.OC
Interface Identification constrained by Local-to-Nonlocal Coupling
本文针对界面识别问题,提出将基于能量的局部到非局部耦合作为约束条件,结合偏微分与非局部算子以兼顾模型适用性与计算成本。
2024-02-20 math.OC
Anderson acceleration of derivative-free projection methods for constrained monotone nonlinear equations
College of Science, National University of Defense Technology(国防科技大学理学院)
本文提出一种基于安德森加速的无导数投影方法,用于求解约束单调非线性方程,证明了其全局收敛性和线性收敛速率,并通过实验验证了其有效性。
2025-05-07 math.OC
Model-Based Derivative-Free Methods for Convex-Constrained Optimization
我们提出了一个基于模型的衍生物的自由优化方法受到一般的凸约束,我们假设是unrelaxable和访问,只有通过一个投影算子,是廉价的评估。我们证明了整体收敛和最坏情况下的复杂性的$O(ε^{-2})$迭代和非凸函数的客观评价,匹配结果的无约束的情况下。与现有方法相比,我们引入了新的,较弱的模型精度要求。结果,仅使用可行点就可以构造足够精确的插值模型。我们开发了一个全面的理论插值集管理在这个政权的线性和复合线性模型。我们实现了我们的非线性最小二乘问题的方法,并表现出较强的实用性能相比,通用求解器。
2022-03-16 math.OC
A solution for fractional PDE constrained optimization problems using reduced basis method
本文利用缩减基方法求解了一类分数阶抛物型方程所控制的PDE约束最优化问题,其中(0,1)中的β阶分数阶导数由Caputo分数阶导数定义.
2019-10-18 math.OC
Shape Derivative for Penalty-Constrained Nonsmooth-Nonconvex Optimization: Cohesive Crack Problem
研究了一类与变分不等式(VI)有关的带罚约束的非光滑非凸优化问题的形状可微性。准脆性断裂的具体问题描述了一个弹性体与巴伦布拉特粘性裂纹下的不等式条件下的非渗透的裂纹面。基于Lagrange方法,利用光滑罚函数和Lavrentiev正则化,导出了形状导数的计算公式。显式公式包含原始状态和伴随状态,并且对于寻找梯度算法的下降方向以从边界测量识别最佳裂纹形状是有用的。破坏性试验的数值例子是在2D。
2022-04-10 math.OC
An open-source solver for finding global solutions to constrained derivative-free optimization problems
本文提出一个名为GSDO的开源启发式求解器,通过基于径向基函数的代理近似求解受约束无导数全局优化问题,其性能与NOMAD、DE和SHGO等先进求解器相比具竞争力。
2024-04-28 math.OC
An Inexact Restoration Direct Multisearch Filter Approach to Multiobjective Constrained Derivative-free Optimization
本文提出结合非精确可行恢复的过滤方法处理DMS框架中的约束,避免计算惩罚参数,理论分析与数值实验均表明其良好性能。
2024-01-16 math.OC
Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search
NOVA School of Science and Technology(新里斯本科学技术学院)
本文提出一种结合惩罚-内点方法与直接搜索的非线性约束无导数优化方法,通过分组处理约束条件并证明收敛性,实验显示其在鲁棒性和效率方面优于现有求解器。
2026-01-15 math.OC
Nonlinear Derivative-free Constrained Optimization with a Penalty-Interior Point Method and Direct Search
提出联合使用混合惩罚-内点法与直接搜索解决非线性约束无导数优化问题,通过将约束分组处理并整合至直接搜索中,在无需凸性条件下证明收敛到KKT稳定点,数值实验验证了其高效性与鲁棒性。
2025-09-15 math.OC
Full-Low Evaluation Methods For Bound and Linearly Constrained Derivative-Free Optimization
本文将全-低评估框架扩展至有界与线性约束无导数优化,结合有限差分拟牛顿步与概率直接搜索步推导了收敛性,并在含噪声与非光滑的标准线性约束问题上验证了其优于单一策略的性能。
2024-06-01 math.OC
Identification of an Optimal Derivatives Approximation by Variational Data Assimilation
在一维波动方程的框架下,讨论了变分同化技术在识别边界附近导数最佳逼近中的应用。方程和数值格式的简单性使我们能够详细讨论伴随模式和同化结果的发展。它示出了什么样的错误可以通过这种控制和如何纠正这些错误。这项研究是在使用这种控制,以确定最佳的数值方案在沿海地区的海洋模式。
2009-05-28 math-ph math.MP math.OC
Real-Time Reinforcement Learning of Constrained Markov Decision Processes with Weak Derivatives
我们提出了在线策略梯度算法计算的局部最优策略的约束,平均成本,有限状态马尔可夫决策过程。随机逼近算法需要估计成本函数相对于表征随机化策略的参数的梯度。我们提出了一个球坐标参数化,并提出了一种新的基于模拟的梯度估计方案,涉及弱导数(测量值微分)。与广泛使用的评分函数方法相比,这样的方法具有显著降低的方差。类似于神经动态规划算法(例如Q学习或时间差分法),本文提出的算法是基于模拟的,不需要明确的知识,如转移概率的基本参数。然而,不同于神经动态规划方法,这里提出的算法可以处理约束和时变参数。数值例子说明了算法的性能。这篇论文最初写于2004年。我们现在把它放在arxiv上的一个原因是,分数函数梯度估计器继续在在线强化学习文献中使用,即使它的方差随着给定的$n$数据点(对于马尔可夫过程)的$O(n)$而增长。相比之下,弱导数估计量具有显著更小的$O(1)$方差,如本文(和其他地方)所报道的。
2018-12-15 math.OC
Efficient PDE constrained shape optimization based on Steklov-Poincaré type metrics
形状流形上的PDE约束优化的最新进展是基于形状导数的Hadamard形式,即,以在所研究的形状的边界处的积分的形式,以及基于内在形状度量。从数值的角度来看,域积分形式的形状衍生物似乎很有前途,而需要一个外部度量的形状边界周围的域。本文试图协调这两种观点,采用Steklov-Poincaré型内禀度量,这是来自外部度量。基于该度量,提出了有效的形状优化算法,这也减少了分析劳动,迄今为止,在形状导数的推导。
2016-08-08 math.OC
Identification of Fractional-Order Dynamical Systems
这一贡献涉及分数阶动力系统的识别。我们考虑系统的数学描述是一个三成员微分方程,其中的导数的阶数可以是实数。给出了这类微分方程的离散化方法和数值解。给出了一种基于传递特性评价的辨识实验方法。这是传递特性导数法和被动搜索法的结合。对参数已知的系统和实验室对象进行了验证。
2002-04-15 math.OC
Second-Order Strong Optimality and Second-Order Duality for Nonsmooth Constrained Multiobjective Fractional Programming Problems
本文针对实巴拿赫空间中的非光滑多目标分数规划问题,提出了二阶强最优性条件与对偶性结果,通过广义方向导数建立了蕴含强KKT条件的必要性条件及充分性条件。
2024-03-15 math.OC
Derivative-Free Bound-Constrained Optimization for Solving Structured Problems with Surrogate Models
提出一种基于代理模型的无导数边界约束优化算法,通过低成本近似函数值和回归方案利用历史数据,在化学工程最小二乘问题中优于现有DFO算法。
2024-01-02 math.OC
CLARSTA: A random subspace trust-region algorithm for convex-constrained derivative-free optimization
University of British Columbia(不列颠哥伦比亚大学)
本文提出了一种随机子空间信任区域算法,用于解决一般凸约束无导数优化问题。通过定义新的模型类和几何度量,改进了模型精度和子空间质量,实现了几乎确定的全局收敛性和最坏情况复杂度分析。
2026-09-09 math.OC
Uniform Lipschitz Property of Nonnegative Derivative Constrained B-Splines and Applications to Shape Constrained Estimation
受一般非负导数约束下的形状约束估计的启发,考虑了约束函数的B-样条逼近,研究了约束B-样条估计的渐近性能.通过引用B样条理论中的一个深层次的结果(称为de Boor猜想),首先证明了A。Shardin以及其他新的分析技术,我们建立了一个关键的均匀Lipschitz性质的B-样条估计受到任意非负导数约束下的$\ell_\infty$ -范数可能非等距设计点和节点。这一性质导致了B样条估计量的重要渐近分析结果,例如,在整个区间上的一致收敛性和相合性。本文的结果不仅恢复了单调和凸逼近和估计的特殊情况,而且在一个统一的框架内处理一般的非负导数约束,并打开了大门的约束B-样条逼近和估计受到更广泛的一类形状约束。
2015-10-18 math.CA math.OC math.ST
A derivative-free approach to mixed integer constrained multiobjective nonsmooth optimization
在这项工作中,我们考虑多目标最优化问题与约束约束的变量和一般的非线性约束,目标和约束函数值只能通过查询一个黑盒。此外,我们考虑的情况下,一个子集的变量只能采取整数值。我们提出了一个新的基于线搜索的解决方案的方法,并表明它收敛到一组固定点的问题。对于连续变量,我们采用了一种估计帕累托前沿最近提出的文献中,并利用密集序列的搜索方向的战略。必须假设离散值的变量的子集处理使用适当修改的原始方向,以考虑到存在一个以上的目标函数。一组测试问题的数值结果与其他解决方法的比较表明,所提出的方法的可行性和效率。
2022-04-14 math.OC
A Feasible Direction Method with Active-Set Identification for Derivative-Free Optimization
Argonne National Laboratory(阿贡国家实验室);Lehigh University(利哈伊大学)
针对带仿真不等式约束的无导数优化,提出带有效集识别的可行方向信赖域方法,可高效生成可行试验点,在 CUTEst 问题上表现优于 SQP 类方法。
2026-10-30 math.OC
An Interior-Point Algorithm for Continuous Nonlinearly Constrained Optimization with Noisy Function and Derivative Evaluations
本文针对仅能获取含噪声函数及导数值的连续非线性约束优化问题,提出一种结合现有内点算法与噪声优化算法的新内点算法,证明其能将平稳性度量降至噪声界相关阈值以下,且数值实验验证了其广泛有效性。
2025-02-16 cs.NA math.NA math.OC
Analysis of topological derivative as a tool for qualitative identification
Rutgers University(罗格斯大学)
本文研究了拓扑导数在波基有限尺寸物体识别中的应用,通过数学推导验证了其在各向同性介质和各向异性介质中的符号启发式方法,并验证了各向同性介质中近场球测量配置下的衰减性质。
2018-11-22 cs.NA math.NA math.OC
Approximate explicit model predictive control via piecewise nonlinear system identification
本文提出了一种识别方法来捕捉一般的关系,应用于分段非线性逼近的模型预测控制的约束(非)线性系。在每次迭代中,数学公式采用数学上可行且数值上易于处理的约束线性(或二次)最优化问题的形式。所设计的方法的效率通过两个工业应用程序证明。结果表明,实现高近似精度与有限数量的区域的可能性,导致显着减少计算时间相比,最先进的隐式模型预测控制求解器。
2017-01-05 math.OC
Shape optimization for interface identification in nonlocal models
形状最优化方法已被证明可用于识别由偏微分方程控制的模型中的界面。本文考虑一类含有界面依赖核的非局部方程约束的形状最优化问题。我们推导出一个新的形状衍生物相关的非局部系统模型和解决问题的数值技术。
2022-07-25 math.OC
An interior point method for nonlinear constrained derivative-free optimization
本文提出了一种基于对数障碍和二次惩罚方法的非线性约束无导数优化方法,用于解决黑箱环境下受限优化问题,并证明了其收敛性。
2022-07-19 math.OC
Second-Order Optimality Conditions in Cone-Constrained Vector Optimization with Arbitrary Nondifferentiable Functions
本文对任意不可微函数引入了一个新的二阶方向导数和Hadamard型二阶次微分。本文给出了无约束最优化问题的局部最优性条件、全局极小值性条件和孤立局部极小值性条件。特别地,我们得到了广义凸函数的两类结果。我们还将我们的条件与最近发表的论文[Bednavrik,D.,牧师,K.:无约束最优化中的二阶条件。数学课程。Ser A,{ \bf 113},283- 291(2008)]和许多发表在高水平期刊上的其他作品,并证明它们是我们的必要和充分条件的特例。证明了最优性必要条件最优性条件涉及的函数不仅限于下Dini方向导数,甚至包括最后一阶导数在内的最优性条件最优性条件也适用于不属于某个特殊类的函数.最后,我们应用无约束问题的最优性准则,得到了锥约束向量问题的最优性的充分必要最优性条件。
2014-11-17 math.OC
A constrained optimization approach to nonlinear system identification through simulation error minimization
Politecnico di Torino(都灵理工大学)
本文提出了一种通过最小化仿真误差的约束优化方法,用于非线性系统辨识,提高了收敛速度和计算效率。
2025-12-16 cs.SY eess.SY math.OC
Second order optimality conditions for strong local minimizers via subgradient graphical derivative
本文利用次梯度图导数研究了有限维无约束和有约束最优化问题中强局部极小的二阶最优性条件.证明了扩张实值下连续真函数在近驻点的次梯度图导数的正定性是满足二次增长条件的充分条件.当函数是次微分连续的、二次正则的、二次上可微的或变分凸的时,它也是后一性质的必要条件。将所得结果应用于$\mathcal{C}^2$ -锥可约约束规划,在度量次正则约束规格下,建立了(强)局部极小的无间隙二阶最优性条件.这些结果超越了著名的Robinson约束规格,推广了经典的二阶最优性条件.我们的方法还突出了次微分的强度量次正则性与最优化问题中的二次增长条件之间的联系。
2019-03-13 math.OC
Uncertainty estimation in equality-constrained MAP and maximum likelihood estimation with applications to system identification and state estimation
在无约束最大后验概率(MAP)和极大似然估计中,优值函数Hessian矩阵的负的逆是估计协方差阵的近似。在贝叶斯背景下的MAP估计,它是一个正常的后验近似的协方差的模式,而在极大似然估计,它的近似逆费舍尔信息矩阵,有效的估计的协方差收敛。这些措施通常用于系统辨识,以评估估计的不确定性和诊断问题,如过参数化,不当的激励和不可识别性。然而,系统和控制中的各种各样的估计问题可以用公式表示为具有附加决策变量的等式约束优化,以利用计算机硬件中的并行性,简化实现并增加非线性程序求解器的收敛域和效率。然而,额外变量的引入将逆Hessian与协方差阵分离。相反,必须使用约束问题的拉格朗日量的逆Hessian的子矩阵。在本文中,我们推导出这些关系,显示如何估计的协方差可以直接从增广问题。给出了输出误差法和状态路径与参数估计联合法在系统辨识中的应用实例。
2020-03-16 math.OC stat.ME
Adaptive Sampling Trust Region Optimization for Derivative-free Stochastic Functions and Deterministic Equality Constraints
North Carolina State University(北卡罗来纳州立大学);University of Melbourne(墨尔本大学)
针对含噪声零阶目标与可求导确定性等式约束的优化问题,提出ASTRO-DF的受限变体,证明其几乎必然收敛并在等式约束随机活动网络问题中取得数值结果。
2026-08-18 cs.NA math.NA math.OC
A modified Riccati approach to analytic interpolation with applications to system identification and robust control
本文提出了一种新的方法来解决在系统与控制中经常遇到的具有有理性和导数约束的解析插值问题。它是基于协方差扩展方程先前提出的伯恩斯和林德奎斯特在不同的背景下。给出了标量问题的完整解法,提出了同伦延拓方法,并将其应用于建模和鲁棒控制中的一些问题。一些数值例子说明了所提出的方法的鲁棒性和效率。
2019-04-03 math.OC
Accelerated Nonconvex ADMM with Self-Adaptive Penalty for Rank-Constrained Model Identification
本文针对秩约束模型辨识问题,提出一种基于增广拉格朗日函数一阶分析的自适应惩罚更新策略,并结合Anderson加速方案,有效加速了非凸ADMM的收敛并降低了对惩罚参数调节的依赖。
2023-09-08 cs.SY eess.SY math.OC
Method for Solving State-Path Constrained Optimal Control Problems Using Adaptive Radau Collocation
提出一种多区域自适应 Legendre-Gauss-Radau 配点法,通过结构检测、区域划分和引入切换时间决策变量,精确求解状态变量不等式路径约束最优控制问题,在基准与航空航天算例中均验证了其高精度。
2024-01-04 math.OC
A Constrained Optimisation Framework for Parameter Identification of the SIRD Model
该研究针对SIRD模型的参数识别问题,提出约束优化框架,通过先优化后离散方法推导一阶最优性条件,结合多种数值算法进行计算研究,为疾病传播建模的参数优化及复杂仓室模型校准提供支撑。
2024-12-17 math.OC
Set-membership identification of continuous-time MIMO systems via Tustin discretization
本文针对受未知但有界误差影响的采样数据,提出基于集员技术与Tustin离散化的连续时间MIMO系统辨识方法,克服导数测量困难,并将其转化为可求解的多项式优化问题,通过仿真与实验验证有效性。
2025-08-26 cs.SY eess.SY math.OC
Active-Set Identification in Noisy and Stochastic Optimization
Lehigh University(利哈伊大学)
针对函数与导数含确定性或随机噪声的约束连续优化问题,提出两种可正确识别局部极小点主动集的策略,并给出随机算法中的保证及数值验证。
2026-10-19 cs.NA math.NA math.OC
Derivative-Free Optimization of a Rapid-Cycling Synchrotron
我们开发并求解了一个约束最优化模型,以确定一个可集成光学快速循环同步加速器晶格设计,在几个能力表现良好。我们的模型编码的设计标准为78线性和非线性约束,以及一个单一的非光滑的目标,其中的目标和一些约束的定义从输出的Synergia,加速器模拟器。我们详细的23维模拟约束的决策空间的困难,并建立空间是非空的。我们使用一个导数自由流形采样算法来解释结构不可微的目标函数。我们的数值结果量化的约束参数和目标函数的形式的效果的解决方案的依赖。
2021-08-10 math.OC physics.acc-ph
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
Learn Feasibility Once, Optimize All Objectives: Derivative-Free Diffusion Models for Chance-Constrained Programming
Beijing University of Posts and Telecommunications(北京邮电大学);Nankai University(南开大学);University of the Chinese Academy of Sciences(中国科学院大学);Southwest University of Finance and Economics(西南财经大学)
本文提出免导数扩散框架D$^3$Opt,通过一次学习机会可行结构并冻结为先验,结合退火粒子Feynman--Kac修正,实现固定机会约束下非凸非光滑目标的免重训优化。
2026-10-05 cs.LG math.OC
A Riemannian approach for PDE-constrained shape optimization over the diffeomorphism group using outer metrics
University of Strathclyde(思克莱德大学);MODEMAT Research Center in Mathematical Modeling and Optimization(数学建模与优化研究中心);Helmut-Schmidt-University / University of the Federal Armed Forces Hamburg(赫尔穆特·施密特大学/联邦国防军汉堡大学)
本文提出了一种基于外度量的黎曼方法,用于解决受偏微分方程约束的形状优化问题,通过分析微分同胚群的结构,结合欧拉半导数与经典形状导数的关系,优化电阻抗断层成像和二维桥梁设计。
2026-11-02 math.DG math.OC
Derivative-Free Superiorization: Principle and Algorithm
优越化方法的目的是与输入数据的约束最小化问题,即,一个目标函数和一组约束。然而,它是基于一种对映的思维方式,导致约束最小化方法。它不是采用无约束极小化算法来处理约束,而是采用可行性搜索算法来减少(不一定最小化)目标函数值。这是通过将目标函数减少扰动插入到可行性搜索算法中来实现的,同时保留其可行性搜索能力,并且不付出高昂的计算代价。提出了一种采用逐分量目标函数约简步骤的优化算法。这使得无导数的优越化(DFS)成为可能,这意味着优越化可以应用于没有可计算的偏导数或次梯度的目标函数。我们的衍生物免费superiorization算法的数值行为示出了通过模拟从投影图像重建的问题所产生的数据集。我们提出了一个工具(我们称之为一个接近目标曲线),用于决定两个迭代法是“更好”解决一个特定的问题。我们的实验的接近目标曲线图证明了所提出的导数自由优越化算法的优点。
2020-10-23 math.OC physics.med-ph
Meta-Learning for Physically-Constrained Neural System Identification
Mitsubishi Electric Research Laboratories(三菱电机研究院)
提出一种基于梯度的元学习框架,利用多源系统数据快速适配 NSSM,并融合物理约束,在有限目标数据和少量迭代下提升状态估计性能。
2025-01-10 cs.LG cs.SY eess.SY
A derivative-free trust-region approach for Low Order-Value Optimization problems
本文提出了一种无梯度信赖域算法,用于解决受约束的低阶值优化问题,实现了全局收敛性和最坏情况复杂度分析,并通过实验验证了其有效性。
2026-10-28 cs.MS math.OC
Derivative-Free Sequential Quadratic Programming for Equality-Constrained Stochastic Optimization
Georgia Institute of Technology(佐治亚理工学院)
针对仅含零阶信息的等式约束随机优化问题,提出无导数随机序列二次规划方法,采用SPSA估计梯度与海森,引入在线去偏技术,证明全局收敛与局部渐近正态性,支持统计推断。
2025-10-25 cs.NA math.NA math.OC
Near-Optimal Policy Identification in Robust Constrained Markov Decision Processes via Epigraph Form
The University of Tokyo(东京大学);OMRON SINIC X Corporation(OMRON SINIC X公司);Kyoto University(京都大学);Osaka University(大阪大学)
本文提出一种算法,通过epigraph形式解决鲁棒约束马尔可夫决策过程中的近优策略识别问题,证明该算法在$\tilde{\mathcal{O}}(\varepsilon^{-4})$次鲁棒策略评估内找到$\varepsilon$-最优策略。
2026-04-24 cs.LG math.OC
Value-at-Risk constrained portfolios in incomplete markets: a dynamic programming approach to Heston's model
本文针对随机波动率下的不完全市场,用动态规划方法求解带VaR约束的期望效用最大化投资组合问题,建立了约束与无约束问题最优解的关联,并通过数值研究验证了参数影响及20%的配置差异。
2024-07-29 math.OC q-fin.PM
Rayleigh Quotient Iteration, cubic convergence, and second covariant derivative
本研究将瑞利商迭代(RQI)推广至带约束的非线性方程求解框架,关联其三次收敛性与约束切比雪夫项、第二协变导数的几何概念,推导多场景三次收敛结果并构造矩阵与张量问题的新RQI算法。
2023-07-20 cs.NA math.NA math.OC
Topological derivative for PDEs on surfaces
TU Graz(格拉茨工业大学);TU Wien(维也纳工业大学)
本文研究了在无边界的光滑子流形上最优分布两种材料的问题,通过拓扑导数方法,结合线性偏微分方程的约束条件,推导了拓扑导数并展示了其与表面水平集方法结合用于数值拓扑优化的应用。
2020-05-18 math.DG math.OC