Point source localisation with unbalanced optimal transport
MODEMAT Research Center in Mathematical Modeling and Optimization(数学建模与优化研究中心);University of Helsinki(赫尔辛基大学);Escuela Politécnica Nacional(国立理工学院)
该研究将希尔伯特空间二次邻近惩罚替换为不平衡最优传输距离,在拉东测度空间开发前向-后向型优化方法,通过传输三计划等避免距离计算,所得算法非启发式推导,数值性能获提升,用于点源定位。
2026-07-30 math.OC
Nonlinear Dynamical Unbalanced Optimal Transport: Relaxation and Duality
本文提出一种引入有限控制和质量耗散的广义动态非平衡最优传输框架,利用对偶最优控制技术推导出凸对偶,并基于HJB方程光滑下解提出一阶算法进行数值求解。
2025-04-04 math.OC
An Homogeneous Unbalanced Regularized Optimal Transport model with applications to Optimal Transport with Boundary
本文研究了在不平衡最优输运(OT)模型中引入熵正则项后,如何改变模型的输入测度的均匀性。我们观察到,在常见的设置(包括平衡OT和不平衡OT与Kullback-Leibler分歧的边缘),虽然最优输运成本本身是不均匀的,最优输运计划和所谓的Sinkhorn分歧确实是均匀的。然而,在更一般的不平衡正则化最优输运(UROT)模型中,例如那些使用全变差作为边缘发散的模型,同质性并不成立。我们建议修改熵正则化项来检索均匀的UROT模型,同时保留标准UROT模型的大多数属性。我们展示了使用我们的齐次UROT(HUROT)模型的重要性,当它涉及到正则化最优输运与边界,运输模型涉及空间变化的分歧的边缘,标准(非齐次)UROT模型将产生不适当的行为。
2022-01-06 math.OC stat.ML
Unbalanced Optimal Transport and Maximum Mean Discrepancies: Interconnections and Rapid Evaluation
本文针对不同质量测度的比较问题,基于Sinkhorn算法用非均匀快速傅里叶变换加速非平衡最优传输与核最大均值差异的计算,将复杂度降至$\n O(n\log n)$,并建立了传输问题与最大均值差异的关联。
2024-05-14 math.OC
A Vectorial Approach to Unbalanced Optimal Mass Transport
不平衡最优质量输运(OMT)通过在Benamou-Brenier公式中的标准连续性方程中加入源项来消除质量守恒约束。在这篇文章中,我们展示了源的添加是如何适应向量值OMT框架的。
2020-08-07 math-ph math.FA math.MP
A relaxation viewpoint to Unbalanced Optimal Transport: duality, optimality and Monge formulation
提出凸松弛方法研究质量不同的非负测度间不平衡最优输运问题,给出原始-对偶公式、最优性条件及度量拓扑性质。
2023-12-31 math.FA math.OC
Convergence rates for regularized unbalanced optimal transport: the discrete case
Université Paris-Saclay(巴黎萨克雷大学);CNRS(法国国家科学研究中心);Laboratoire de mathématiques d’Orsay(奥赛数学实验室);Inria Saclay(巴黎-萨克雷国立信息与自动化研究所);Institut Universitaire de France (IUF)(法兰西学院);CEREMADE, Université Paris–Dauphine(巴黎第九大学计算、研究和数学教育发展中心);Université PSL(巴黎文理研究大学);MOKAPLAN, Inria Paris(巴黎国立信息与自动化研究所MOKAPLAN团队)
本文针对离散情形下两类狄拉克质量加权和测度,研究正则化非平衡最优传输的代价与计划向原始解收敛的速率,该方法可用于机器学习中处理异常值鲁棒性问题。
2025-10-03 cs.NA math.NA math.OC
A Neural Network Framework for High-Dimensional Dynamic Unbalanced Optimal Transport
提出一种基于神经网络的高维动态非平衡最优传输求解框架,通过GKL散度松弛、拉格朗日离散化和蒙特卡洛积分,有效处理质量不等的最优传输,并适用于人群运动等场景。
2024-09-20 math.OC
Regularity theory and geometry of unbalanced optimal transport
本文利用对偶形式证明非平衡最优传输的正则性继承自标准最优传输,重点研究Wasserstein-Fisher-Rao度量的动态与静态形式等价性、极分解定理及相关Monge-Ampère方程,并建立锥上弱Ma-Trudinger-Wang条件与流形上WFR诱导代价条件的蕴含关系。
2024-07-01 math.OC
Sinkhorn Divergences for Unbalanced Optimal Transport
CNRS(法国国家科学研究中心);ENS(巴黎高等师范学院);ENS Paris-Saclay(巴黎萨克雷高等师范学院);Université Paris-Est Marne-la-Vallée(巴黎东-马恩拉瓦莱大学)
最优输运在概率分布之间引入了地球移动器(Wasserstein)距离,这是一种与广泛问题相关的几何发散。在过去的十年中,最优输运的两个松弛已被深入研究:不平衡输运,这是鲁棒的离群值的存在,并可以使用时,分布不具有相同的总质量;熵正则化的运输,这是鲁棒的采样噪声,并适合于使用Sinkhorn算法的快速计算。本文结合了这两条线的工作,把坚实的地面上强大的最优输运。我们的主要贡献是一个概括的Sinkhorn算法不平衡的运输:我们的方法交替之间的标准Sinkhorn更新和逐点应用的收缩函数。这意味着网格图像、点云和采样分布上的熵输运求解器都可以很容易地进行修改以支持不平衡输运,并证明在所有设置中都具有线性收敛。然后,我们展示了如何使用这种方法来定义伪距离的积极措施,满足关键的几何公理:(不平衡)Sinkhorn分歧是可微的,积极的,明确的,凸的,统计上的强大,并避免任何“熵偏差”对收缩的措施的支持。
2023-01-16 cs.LG math.OC stat.ML
Entropic regularisation of unbalanced optimal transportation problems
该研究建立非平衡最优输运问题的熵正则化数学理论,提出原始空间与扩展空间两种正则化方式,推导等价表述与收敛性,探讨统一框架及动态拓展,指出扩展空间正则化更具优势。
2023-05-03 math.OC
Dynamic Models of Wasserstein-1-Type Unbalanced Transport
本文研究了时间质量传输和两个质量分布间质量变化的凸优化问题,提出了一种计算更高效的静态公式,并分析了最优质量变化和传输。
2018-03-12 cs.NA math.NA math.OC
Unbalanced Optimal Transport and Density Control for Discrete-Time Linear Systems
Kyoto University(京都大学);Georgia Institute of Technology(佐治亚理工学院)
本文研究了不平衡最优运输(UOT)及其动态扩展不平衡密度控制(UDC)在约束离散时间线性系统中的应用,通过Gaussian参考和离散时间线性系统展示两者具有全局最优凸形式,类似于协方差操控。
2026-05-07 cs.SY eess.SY math.OC
Non-commutative Optimal Transport for semi-definite positive matrices
本文为半正定矩阵间的非平衡非交换最优传输引入冯·诺依曼熵正则化,证明极小化子存在性、给出弱对偶公式,并通过Γ-收敛结果刻画了熵正则化参数趋于零和非平衡惩罚参数趋于无穷大两种极限行为。
2024-02-27 math.FA math.OC
Bounded weak solutions for Keller-Segel equations with generalized diffusion and logistic source via an unbalanced Optimal Transport splitting scheme
Yonsei University(延世大学);Hannam University(韩南大学);POSTECH(浦项工科大学)
针对具有广义扩散和逻辑源的抛物-椭圆型Keller-Segel方程,在齐次Neumann边界条件下,通过非平衡最优输运框架构造了全局有界弱解,并量化了趋化敏感性与降解参数及初始密度界的关系。
2026-06-11 math.AP math.OC
Unbalanced L1 optimal transport for vector valued measures and application to Full Waveform Inversion
本文提出了一种基于 $L^1$ 的向量值测度非平衡最优传输方法,通过将数据提升至高维自对偶锥恢复有意义的传输问题,继承了 $L^1$ 的计算优势,并验证了其在全波形地震反演中的潜力。
2024-12-19 math.OC
Multiscale Supervised Unbalanced Optimal Transport Flow Matching
Center for Quantitative Biology, Peking University(北京大学定量生物学中心);National Engineering Laboratory for Big Data Analysis and Applications, Beijing, China(大数据分析与应用国家工程实验室);AI for Science Institute, Beijing, China(人工智能科学研究院)
本文提出MUST-FM框架,通过利用多尺度数据结构和已知的转移先验知识,有效降低计算成本并实现鲁棒的轨迹推断,适用于大规模单细胞数据集的动态建模。
2026-11-02 cs.LG math.OC
Unbalanced Optimal Transport: Dynamic and Kantorovich Formulation
受最优输运的启发,本文提出了一类新的任意非负Radon测度之间的距离。这些距离被定义为两个等价的替代配方:(i)一个动态配方定义的距离作为一个测地线的距离在空间的措施(ii)一个静态的“康托洛维奇”配方,其中的距离是最小的一个最优化问题对耦合描述的转移(运输,创建和破坏)的质量之间的两个措施。这两个公式都是凸优化问题,并且根据目标应用从一个切换到另一个的能力是我们模型的一个重要属性。特别令人感兴趣的是最近由Chizat等人和Kondratyev等人独立引入的Wasserstein-Fisher-Rao度量。最初通过动态公式定义,它属于这类度量,因此自动受益于静态Kantorovich公式。
2019-02-09 math.OC
Synchronization of Unbalanced Dynamical Optimal Transport across Multiple Spaces
North Carolina State University(北卡罗来纳州立大学);George Washington University(乔治华盛顿大学)
本文提出UnSyncOT框架,通过几何嵌入或马尔可夫核实现多空间动态传输-反应流同步,结合度量修改动能和非局部作用,推导结构特性并验证计算效率与稳定性。
2026-02-21 math.OC
Solving Unbalanced Optimal Transport on Point Cloud by Tangent Radial Basis Function Method
本文提出一种基于切向径向基函数和交替方向乘子法的算法,用于高效求解点云曲面上的非平衡最优传输问题,并通过多组数值实验验证其有效性。
2025-04-22 math-ph math.MP math.OC
Examining Entropic Unbalanced Optimal Transport and Sinkhorn Divergences for Spatial Forecast Verification
本文评估熵非平衡最优传输与 Sinkhorn 散度用于降水空间预报检验,证明其能缓解双重惩罚、匹配专家评价并提供几何直观的误差诊断。
2025-07-25 math.OC physics.ao-ph
Safe Screening for Unbalanced Optimal Transport
Waseda University(早稻田大学)
本文提出利用安全筛选技术加速不平衡最优传输问题的优化,通过分析边界与对偶局部强凸性,设计了近似投影、椭圆安全区域和双超平面松弛方法,在不改变算法复杂度下显著提升了零元素的筛选效率。
2023-07-01 cs.LG math.OC
Regularized unbalanced optimal transport as entropy minimization with respect to branching Brownian motion
考虑了在初始时刻和最终时刻,在密度约束下,关于分支布朗运动定律的熵最小化问题。我们把这个问题称为分支薛定谔问题,通过类比薛定谔问题,其中参考过程是布朗运动。而薛定谔问题与正则化(也称为正则化)有关。熵)最优输运,我们调查这里的分支薛定谔问题与正则化不平衡最优输运的联系。这种联系表现在两个层面上。首先,依赖于对偶的论点,这两个问题的值的变分是联系在一起的,在这个意义上,正规化的不平衡最优输运的值(被视为初始和最终措施的函数)是分支薛定谔问题的值的下半连续松弛。其次,我们还明确了这两个问题的竞争对手之间的对应关系,并为此目的,我们提供了一个很好的描述法律具有有限熵的参考分支布朗运动。我们调查的小噪声限制,当噪声强度的分支布朗运动去$0$:在这种情况下,我们表明,在水平的最优输运模型,有收敛到部分最优输运。我们还提供了正式的论点,为什么看分支布朗运动,而不是在其他测量值分支马尔可夫过程,如超过程,产生的问题最接近最优输运。最后,我们解释这个问题如何可以解决数值:正则化不平衡最优输运的动力学公式可以离散化,并通过凸优化解决。
2021-12-13 math.AP math.OC math.PR
On the convergence of continuous and discrete unbalanced optimal transport models
我们考虑一个贝克曼公式的不平衡最优输运(UOT)问题。当平衡参数$α$趋于无穷大时,建立了UOT公式化到相应的最优输运(OT)问题的$Γ$ -收敛性。进一步证明了该问题的离散化对于同一极限是渐近保持的,从而保证了数值方法的一致应用,并且解自动收敛到OT问题的解.特别地,存在与网格步长无关的临界值,使得当$α$大于该临界值时,离散问题简化为离散OT问题。离散问题的解决收敛的原始-对偶混合算法和迭代UOT也收敛到OT。最后,通过形状变形和部分颜色转移的数值实验验证了理论的收敛性和算法的有效性。
2023-03-30 cs.NA math.NA math.OC
On the convergence of discrete dynamic unbalanced transport models
本文研究广义非平衡最优输运距离${\rm WB}_\Lambda$的离散输运问题收敛性,提出抽象离散化收敛框架及具体方案,并证明Wasserstein-Fisher-Rao距离可移除绝对连续假设。
2024-05-24 cs.NA math.NA math.OC
Gaussian-Restricted Barycenters for KL-Unbalanced Optimal Transport: Variational Theory and Fixed-Point Convergence
Fudan University(复旦大学)
针对带独立边际惩罚的二次双侧KL不平衡最优传输,研究高斯限制重心的变分理论,构造反向KL MM迭代并通过数值实验验证其收敛性质。
2026-09-03 math.OC
Entropy-Transport distances between unbalanced metric measure spaces
受最近的熵输运问题理论和Sturm在规范化度量测度空间上的$\mathbf{D}$距离的启发,我们定义了一类新的度量测度空间之间的完全可分距离,它们的总质量可能不同.我们提供了几个明确的例子,这样的距离,其中一个突出的作用是由一个测地度量的基础上的Hellinger-Kantorovich距离。此外,我们讨论了该理论的一些极限情况,恢复了“纯输运”$\mathbf{D}$距离,并引入了一类新的“纯熵”距离。我们还详细地研究了由这种熵-输运度量引起的拓扑,给出了在综合意义下满足里奇曲率下界的度量测度空间的紧性和稳定性结果.
2022-07-24 math.MG math.OC
A network based approach for unbalanced optimal transport on surfaces
本文提出一种基于神经网络的哈密顿流方法,解决点云曲面上的动态非平衡最优传输问题,通过利用数学结构简化损失函数,实验验证了其稳定性和可推广性。
2025-04-22 math-ph math.MP math.OC
A Benamou-Brenier Proximal Splitting Method for Constrained Unbalanced Optimal Transport
Department of Mathematics, Florida State University(佛罗里达州立大学数学系);Department of Mathematics, University of Houston(休斯顿大学数学系)
本文提出了一种用于带约束不平衡最优运输的Benamou-Brenier近端分裂方法,通过引入源项和动量约束,扩展了Wasserstein-Fisher-Rao设置,并展示了其在多种实际应用中的有效性。
2026-11-10 cs.NA math.NA math.OC
On Unbalanced Optimal Transport: An Analysis of Sinkhorn Algorithm
我们提供了一个计算复杂性分析的Sinkhorn算法,解决了熵正则不平衡最优运输(UOT)问题之间的两个措施可能不同的群众与最多$n$组件。我们发现,寻找一个$\varepsilon$近似的解决方案的UOT问题的Sinkhorn算法的复杂性是为了$\widetilde{\mathcal{O}}(n^2/ \varepsilon)$,这是近线性时间。据我们所知,这种复杂性优于求解最优运输(OT)问题的Sinkhorn算法的复杂性,其顺序为$\widetilde{\mathcal{O}}(n^2/\varepsilon^2)$。我们的证明技术是基于几何收敛的Sinkhorn更新的熵正则化UOT问题的最佳对偶解和一些性质的原始解。这也是不同的证明的复杂性的Sinkhorn算法近似OT问题,因为UOT解决方案不需要满足边际约束。
2020-11-19 cs.CC cs.DS math.OC
Faster Unbalanced Optimal Transport: Translation invariant Sinkhorn and 1-D Frank-Wolfe
DMA, ENS, PSL(巴黎文理研究大学高等师范学校数学系);LIGM, UPEM(巴黎东马恩拉瓦莱大学加斯帕尔·蒙日信息实验室);CNRS, DMA, ENS, PSL(法国国家科学研究中心、巴黎文理研究大学高等师范学校数学系)
不平衡最优输运(UOT)扩展了最优输运(OT),以考虑质量变化来比较分布。这对于OT在ML应用中取得成功至关重要,使其对数据标准化和离群值具有鲁棒性。基线算法是Sinkhorn,但UOT的收敛速度可能比OT慢得多。在这项工作中,我们确定了这种缺陷的原因,即缺乏一个全局规范化的迭代,这相当于一个翻译的双重OT潜力。我们的第一个贡献是利用这个想法开发一个可证明加速的Sinkhorn算法(创造了“平移不变Sinkhorn”)的UOT,弥合计算差距与OT。我们的第二个贡献集中在1-D UOT,并提出了一个Frank-Wolfe求解器应用到这个平移不变制定。每个步骤的线性预言相当于解决1-D OT问题,导致每次迭代的线性时间复杂度。本文的最后一个贡献是将此方法推广到一维测度的UOT重心的计算。数值模拟显示了这三种方法带来的收敛速度的改善。
2022-01-03 cs.LG math.OC
Slicing Unbalanced Optimal Transport
CREST, ENSAE, IP Paris(法国国立统计与经济行政学校CREST研究中心,巴黎文理研究大学);CNRS, ENS(法国国家科学研究中心,巴黎高等师范学院);LTS4, EPFL(洛桑联邦理工学院LTS4实验室);Mila, McGill University(米拉研究所,麦吉尔大学);IRISA, Université Bretagne-Sud(法国南布列塔尼大学IRISA研究所)
本文提出切片不平衡最优传输(OT)框架,结合切片OT与不平衡OT的优势,开发类Frank-Wolfe算法计算损失函数,并在合成与真实数据集上验证了其计算效率和适用性。
2025-02-03 cs.LG math.OC
Unbalanced Optimal Transport, from Theory to Numerics
PSL University(巴黎文理研究大学);ENS(巴黎高等师范学院);CNRS(法国国家科学研究中心);UPEM(巴黎东马恩河谷大学)
最优传输(OT)最近已成为数据科学中的核心工具,以几何上忠实的方式比较点云和更一般的概率分布。然而,OT在现有数据分析和机器学习管道中的广泛采用受到几个缺点的困扰。这包括它缺乏对离群值的鲁棒性,它的高计算成本,需要大量的高维样本以及难以处理不同空间中的数据。在这篇评论中,我们详细介绍了最近提出的几种方法来缓解这些问题。我们特别坚持不平衡的OT,它比较任意的积极措施,不限于概率分布(即它们的总质量可以变化)。OT的这种推广使其对离群值和缺失数据具有鲁棒性。现代计算OT的第二个主力是熵正则化,这导致了可扩展的算法,同时降低了高维样本的复杂性。本文提出的最后一点是Gromov-Wasserstein(GW)距离,它扩展了OT以处理属于不同度量空间的分布。这篇综述的主要动机是解释不平衡OT、熵正则化和GW如何携手合作,将OT转化为数据科学的有效几何损失函数。
2023-01-16 cs.LG math.OC stat.ML
An inexact Bregman proximal point method and its acceleration version for unbalanced optimal transport
School of Mathematical Sciences, Beijing Normal University(北京师范大学数学科学学院)
本文针对非平衡最优传输中Scaling算法精度与数值稳定性不足的问题,提出非精确Bregman近端点方法及其加速版本,在保证收敛性和鲁棒正则化参数选择的同时缓解数值溢出,并给出理论与实验验证。
2024-02-26 cs.LG math.OC
Fast computation of the TGOSPA metric for multiple target tracking via unbalanced optimal transport
Saab Surveillance, Saab AB(萨博监视,萨博公司);KTH Royal Institute of Technology(皇家理工学院);University of Gothenburg(哥德堡大学)
本文提出一种基于非平衡多边际最优传输和熵正则化的近似算法,用于高效计算多目标跟踪中的TGOSPA度量,在保证近似精度的同时显著降低计算成本。
2025-05-22 cs.CV cs.SY eess.SY
Unbalanced Low-rank Optimal Transport Solvers
Microsoft Research(微软研究院);Apple(苹果公司);Helmholtz Center Munich(慕尼黑亥姆霍兹中心)
本文融合非平衡最优传输与低秩求解器两条路线,提出线性时间且对离群点更鲁棒的定制算法,并推广到 Fused-Gromov-Wasserstein 情形,在空间转录组学匹配任务中验证其有效性。
2023-05-31 cs.LG math.OC
Fast and Large-Scale Unbalanced Optimal Transport via its Semi-Dual and Adaptive Gradient Methods
Sorbonne Université(索邦大学)
本文提出了一种基于半对偶和自适应梯度方法的快速大规模不平衡最优传输算法,通过分析局部曲率特性,实现了高效的收敛率和可扩展性。
2026-02-11 math.OC stat.ML
Learning stochastic dynamics from snapshots through regularized unbalanced optimal transport
LMAM and School of Mathematical Sciences, Peking University(北京大学应用数学系和数学科学学院);Center for Machine Learning Research, Peking University(北京大学机器学习研究中心);NELBDA, Peking University(北京大学NELBDA);Center for Quantitative Biology, Peking University(北京大学定量生物学中心);AI for Science Institute, Beijing(北京人工智能科学研究院)
本文提出一种基于正则化非平衡最优输运的深度学习方法,从稀疏时间快照中直接学习连续非平衡随机动力学,无需生长死亡先验知识,并在合成基因调控网络、高维高斯混合模型和单细胞RNA-seq数据上验证了其准确识别生长转变模式、消除虚假转变及构建沃丁顿发育景观的能力。
2025-05-08 cs.LG math.OC physics.comp-ph
Unbalanced Optimal Transport through Non-negative Penalized Linear Regression
IRISA, Université Bretagne-Sud(南布列塔尼大学IRISA研究所);CMAP, Ecole Polytechnique(巴黎综合理工学院应用数学中心);LITIS(鲁昂信息处理与系统实验室);IRIT, Université de Toulouse, CNRS(图卢兹大学、法国国家科学研究中心图卢兹信息学研究所);INSA Rouen Normandie(诺曼底鲁昂国立应用科学学院)
本文讨论了不平衡最优输运(UOT)的问题,其中的边际条件放宽(使用加权惩罚代替平等),没有额外的正则化强制执行的OT计划。在这种情况下,我们表明,相应的最优化问题可以重新制定为一个非负的惩罚线性回归问题。这种重新使我们能够提出新的算法的启发,从反问题和非负矩阵分解。特别是,我们考虑优化最小化,这导致在我们的设置有效的乘法更新各种处罚。在此基础上,我们首次推导出了一个计算UOT正则化路径的有效算法。该算法提供了一个连续的分段线性OT计划收敛到平衡OT的解决方案(对应于无限的惩罚权重)。我们对模拟和真实数据进行了几次数值实验,说明了新算法,并详细讨论了更复杂的优化工具,这些工具可以进一步用于解决OT问题,这要归功于我们的重新表述。
2021-06-08 cs.LG math.OC stat.ML
MMD-Regularized Unbalanced Optimal Transport
IIT Hyderabad(印度理工学院海得拉巴分校);Microsoft(微软)
本文研究MMD正则化的非平衡最优传输问题,推导其特定对偶形式,提出仅依赖样本的传输计划估计器并证明误差为O(1/√m),实验表明其优于KL正则化UOT和MMD等基线。
2026-09-20 cs.LG math.OC
Distributed Convex Optimization with Inequality Constraints over Time-varying Unbalanced Digraphs
考虑时变不平衡有向图上带不等式约束的分布凸优化问题,其中代价函数是局部目标之和,图的每个节点只知道其局部目标和不等式约束.虽然有大量的分布式优化文献,但大多数都要求图是平衡的,这是非常限制性的,也是不必要的。最近,不平衡的问题已经得到解决,无论是时不变的图形或无约束优化。这项工作解决了不平衡的集中在一个epigraph形式的约束优化。一个显著的特点是,这个新的想法可以很容易地用来研究时变不平衡有向图。在本地通信下,然后为每个节点设计一个简单的迭代算法。我们证明了,如果图是一致联合强连通的,每个节点渐近收敛到某个公共的最优解。
2016-12-29 cs.DC math.OC
On a general matrix-valued unbalanced optimal transport problem
本文引入一类加权Wasserstein-Bures距离,统一了Kantorovich-Bures和Wasserstein-Fisher-Rao模型,并证明其空间为完备测地空间且具有锥结构。
2023-10-17 cs.NA math.NA math.OC
Variational Regularized Unbalanced Optimal Transport: Single Network, Least Action
Center for Machine Learning Research, Peking University(北京大学机器学习研究中心);LMAM and School of Mathematical Sciences, Peking University(北京大学LMAM与数学科学学院);Center for Quantitative Biology, Peking University(北京大学定量生物学中心);NELBDA, Peking University(北京大学NELBDA研究中心);AI for Science Institute, Beijing(北京人工智能科学研究院)
针对从少量快照恢复高维系统动力学问题,提出变分正则化非平衡最优传输(Var-RUOT)框架,通过引入最优必要条件仅需学习标量场,实现更低作用量、更快收敛和更稳定训练。
2025-10-25 cs.LG math.OC q-bio.QM
Linear OPF-based Robust Dynamic Operating Envelopes with Uncertainties in Unbalanced Distribution Networks
针对配电网动态运行区间计算中忽略不确定性的问题,提出基于线性化非平衡三相最优潮流模型的鲁棒动态运行区间计算方法,并用两个案例验证其有效性和效率。
2023-11-11 math.OC
Quantum optimal transport with convex regularization
本文研究了带凸正则化的非交换最优传输问题,通过引入非交换$(c,ψ)$-变换证明了平衡情形下Sinkhorn迭代的收敛性,并证明了非平衡问题向平衡问题的收敛性。
2025-06-26 math-ph math.MP math.OC
On Unbalanced Optimal Transport: Gradient Methods, Sparsity and Approximation Error
Massachusetts Institute of Technology(麻省理工学院);Georgia Institute of Technology(佐治亚理工学院);IBM Research(IBM研究院)
本文针对非平衡最优传输(UOT)问题提出了一种基于梯度外推的新颖算法(GEM-UOT),证明了其优于传统 Sinkhorn 求解器的稀疏性与复杂度优势,并提供了 UOT 与 OT 间近似误差的新刻画及 OT 检索方法。
2024-01-08 cs.LG math.OC
A Riemannian Approach to Low-Rank Optimal Transport
Centre for Machine Intelligence and Data Science, IIT Bombay(印度理工学院孟买分校机器智能与数据科学中心);Microsoft India(微软印度)
提出黎曼几何框架用于低秩最优传输,通过将平衡与不平衡秩r正因子耦合建模为光滑子流形,并采用Fisher-Rao乘积度量,实现高效的一阶和二阶求解器,在收敛速度和性能上超越现有方法。
2026-06-23 cs.LG math.OC
The Unbalanced Gromov Wasserstein Distance: Conic Formulation and Relaxation
比较度量测度空间(即具有概率分布的度量空间)是许多机器学习问题的核心。这种度量测度空间之间最流行的距离是Gromov-Wasserstein(GW)距离,它是二次指派问题的解。然而,GW距离限于被赋予概率分布的度量测度空间的比较。为了解决这个问题,我们引入了两个非平衡Gromov-Wasserstein公式:距离和更易处理的上界松弛,它们都允许比较度量空间配备了任意正测度,直到等距。第一个配方是一个积极的和明确的分歧的基础上放松的质量守恒约束,使用一种新型的二次齐次发散。这种发散与熵正则化方法携手工作,熵正则化方法是解决大规模最优输运问题的流行方法。我们表明,基本的非凸优化问题可以有效地解决使用高度并行化和GPU友好的迭代计划。第二个公式是基于圆锥提升的直到等距的mm空间之间的距离。最后,我们提供了数值实验合成的例子和域适应数据与积极的未标记的学习任务,突出的不平衡的分歧及其在ML中的潜在应用的显着特点。
2023-01-16 math.OC stat.ML
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
Distributed Random-Fixed Projected Algorithm for Constrained Optimization Over Digraphs
研究了有向图上的约束优化问题,其中代价函数是局部目标之和,每个节点只知道其局部目标和约束条件.为了协同求解优化问题,大多数现有的工作都要求交互图是平衡的或“双随机”的,这是相当严格的,没有必要的,如本文所示。针对“不平衡”问题,提出了一种新的两步递归优化算法,该算法结构简单,具有较好的收敛性。在强连通有向图下,我们证明了每个节点渐近收敛于某个公共最优解。最后,通过仿真验证了所提算法的有效性.
2017-01-21 cs.DC math.OC
Multi-Marginal Gromov-Wasserstein Transport and Barycenters
本文提出多边际 Gromov-Wasserstein 传输及其正则化、非平衡与融合形式,给出双凸松弛和 Sinkhorn 交替求解算法,并建立其与 GW 重心的联系。
2023-07-13 cs.NA math.NA math.OC
Non-conservative optimal transport
University of California Los Angeles(加州大学洛杉矶分校);New York University(纽约大学)
针对投资组合再平衡中质量可变的需求,论文提出非保守最优传输框架,证明最优计划、强对偶及两类情形下最优映射的存在性,并给出 ℓ_p 代价的 Benamou–Brenier 动态形式。
2025-10-01 math.OC math.PR q-fin.PM
A synthetic approach to comparison principles for variational problems, with applications to optimal transport
本文提出了一种基于子模性和替代性的合成方法,用于在无限维空间中推导最优传输问题的比较原理,无需依赖极小解的正则性假设。
2025-11-27 math.OC
A penalization approach to linear programming duality with application to capacity constrained transport
本文提出了一种新的求解线性规划对偶问题的方法,它依赖于二次惩罚,使得被惩罚的原问题和对偶问题的解之间的关系成为仿射的。这产生了一个新的证明莱文的对偶定理容量约束最优输运作为一个无限维的应用。
2013-09-12 math.AP math.OC