Coordinating Drop-Off Locations and Pickup Routes: A Budget-Constrained Routing Perspective
本文研究预算约束下投放点选址与单车辆取货路线协同优化问题,提出一种通用数学优化方法,并通过大量合成实验验证其有效性。
2025-05-08 math.OC
A geometric perspective of state estimation using Kalman filters
本文探讨了卡尔曼滤波器中李群与黎曼方法的关系,基于仿射联络开发了一种泛化两者的新描述,并通过新库GeometricKalman.jl验证了其在状态估计中提供更大自由度的优势。
2025-06-01 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
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
Constrained Attack-Resilient Estimation of Stochastic Cyber-Physical Systems
针对随机网络物理系统,提出了一种约束抗攻击估计算法(CARE)。CARE算法能够同时估计出系统的状态和攻击信号。它提高了估计精度和攻击检测性能时,物理约束和操作限制。特别地,CARE被设计用于同时输入和状态估计,提供最小方差无偏估计,并且这些估计随后被投影到由不等式约束限制的约束空间上。我们证明了估计误差和他们的协方差从CARE是小于那些从无约束的算法,并确认这一属性可以进一步降低攻击检测的漏报率。我们证明了CARE的估计误差实际上是指数稳定的均方。最后,一个说明性的例子,对车辆的攻击,以证明提高估计精度和检测性能相比,现有的无约束算法。
2022-10-11 cs.SY eess.SY math.OC
A Unifying Perspective on Descent Directions for Constrained Minimization and Switching Criteria
Georgia Institute of Technology(佐治亚理工学院);Zuse Institute Berlin(柏林祖斯研究所);Technische Universität Berlin(柏林工业大学)
本文提出Shadow-CG方法,利用负梯度投影的阴影方向作为最优下降方向,结合Frank-Wolfe顶点步,实现线性收敛,其速率依赖于投影曲线断点数而非金字塔宽度,并给出断点数量的界。
2026-10-06 cs.LG math.OC
Constrained recursive kernel density/regression estimation by stochastic quasi-gradient methods
本文从随机优化视角研究非参数核密度/回归估计,利用随机拟梯度方法构造递归约束估计量,并给出精度、收敛速度及渐近最优参数,特别分析了移动密度/回归情形。
2024-06-24 math.OC math.ST stat.TH
Estimation of Markov Chain via Rank-Constrained Likelihood
Princeton University(普林斯顿大学)
研究了低秩马尔可夫链的经验轨迹估计问题。我们提出了一种基于秩约束似然最大化的非凸估计。统计上界提供的Kullback-Leiber分歧和$\ell_2$之间的估计和真正的转移矩阵的风险。该估计器揭示了一个压缩的状态空间的马尔可夫链。我们还开发了一种新的DC(凸函数差分)规划算法来解决秩约束非光滑优化问题。收敛结果成立。实验结果表明,该估计器实现了更好的经验性能比其他流行的方法。
2018-07-19 cs.LG math.OC stat.ML
Zeroth-Order Constrained Optimization from a Control Perspective via Feedback Linearization
Massachusetts Institute of Technology(麻省理工学院);UIUC, Department of Industrial and Enterprise Systems Engineering(伊利诺伊大学厄巴纳-香槟分校工业与企业系统工程系);Harvard University, School of Engineering and Applied Sciences(哈佛大学工程与应用科学学院)
本文提出了一种基于反馈线性化的零阶约束优化算法,能够在不访问一阶 oracle 的情况下保证可行性,并在非凸优化中实现高效约束满足。
2026-01-28 cs.SY eess.SY math.OC
Considering Multiple Uncertainties in Stochastic Security-Constrained Unit Commitment Using Point Estimation Method
安全约束机组组合是现代电力市场安全优化运行的重要问题之一。新的不确定性来源,如风速波动和价格敏感的负载,对这一大规模问题提出了额外的挑战。本文提出了一种新的随机SCUC的点估计方法,更有效地建模电力系统的不确定性。传统的基于蒙特卡罗的随机SCUC方法考虑蒙特卡罗方法,这对这个大规模的问题提出了额外的计算负担。在本文中,我们使用点估计,而不是场景生成,以减少计算负担的问题。所提出的方法是在一个六节点系统和一个修改后的IEEE 118节点系统与94个不确定变量。该算法的有效性得到了证实,特别是在最后一种情况下,在不损失相当大的精度的情况下,显着减少了计算负担。
2017-01-23 math.OC physics.data-an
Variable Splitting Methods for Constrained State Estimation in Partially Observed Markov Processes
在本文中,我们提出了一类有效的,准确的,和一般的方法来解决状态估计问题的等式和不等式约束。该方法是基于变量分裂和部分观测马尔可夫过程的最新发展。我们首先提出了基于变量分裂的广义框架,然后开发有效的方法来解决框架中出现的状态估计子问题。这些子问题的解决方案可以通过利用模型的马尔可夫结构来有效地进行,这在所谓的贝叶斯过滤和平滑方法中是经典的。数值实验表明,我们的方法优于传统的最优化方法的计算成本以及估计性能。
2020-07-17 cs.IT math.IT math.OC
Shape-constrained Estimation of Value Functions
我们提出了一个完全非参数的方法来估计的价值函数,通过模拟,在预期的无限时域贴现报酬的马尔可夫链的背景下。在近似动态规划和一般应用概率中,估计这样的值函数起着重要的作用。我们将“软信息”的估计算法,如知识的凸性,单调性,或Lipchitz常数。在存在这样的信息的情况下,可以计算出值函数的非参数估计,当模拟的时间范围趋于无穷大时,该非参数估计是可证明一致的。作为一个应用,我们实现了我们的方法在价格收费协议合同在能源市场。
2013-12-26 cs.CE math.OC math.PR
Set-based state estimation and fault diagnosis of linear discrete-time descriptor systems using constrained zonotopes
本文提出基于约束 zonotope 的线性描述子系统集值状态估计与主动故障诊断新方法,直接纳入状态变量线性静态约束,无需秩假设,在准确性与效率间取得合理权衡。
2020-08-22 cs.SY eess.SY math.OC
Constrained Density Estimation via Optimal Transport
本文提出了一种基于最优传输的约束密度估计框架,通过最小化Wasserstein距离并满足期望约束,有效处理了金融领域中的非光滑约束问题。
2026-02-21 cs.LG cs.NA math.NA
Design of PAR-Constrained Sequences for MIMO Channel Estimation via Majorization-Minimization
PAR约束序列由于各种实际需要而广泛应用于通信系统和雷达中,具体地,要求序列是单模的或具有低峰均功率比(PAR)。对于幺模序列设计,大量的努力致力于获得良好的相关性能。然而,关于信道估计,具有这种属性的序列不一定有助于产生最优估计。特别是当考虑到信道的先验知识时,针对有关的特定标准定制的单模序列是期望的。在本文中,我们制定的最佳单模序列设计问题的最小均方误差估计的信道冲激响应和条件互信息最大化,分别。基于优化最小化框架的有效算法,提出了这两个问题的保证收敛。由于幺模约束是低PAR约束的一种特殊情况,因此也考虑了低PAR的最优序列。数值例子表明,所提出的训练序列的性能,与衍生算法的效率证明。
2016-02-29 cs.IT math.IT math.OC
Distributionally Constrained Black-Box Stochastic Gradient Estimation and Optimization
我们认为随机梯度估计只使用黑盒函数的评价,其中函数参数位于概率单纯形。这个问题是从梯度下降优化程序在多个应用程序中的分布鲁棒分析和逆模型校准涉及决策变量的概率分布的动机。我们特别感兴趣的是获得梯度估计,其中一个或几个样本观测或模拟运行同时适用于所有方向。传统的零阶梯度方案,如同时扰动面临的挑战,因为所需的矩条件,允许“取消”高阶偏差不能满足,而不违反单纯形约束。我们研究了一组新的随机扰动发生器所需的条件,这使我们一类可实现的梯度估计使用Dirichlet混合。我们研究了这些估计的统计特性和它们在约束随机逼近中的效用,包括Frank-Wolfe和镜像下降更新方案。我们证明了我们的程序的有效性,并通过几个数值例子与基准比较。
2021-05-19 math.OC math.PR stat.ME
Set-based state estimation of nonlinear discrete-time systems using constrained zonotopes and polyhedral relaxations
University of São Paulo(圣保罗大学);Federal University of Minas Gerais(米纳斯吉拉斯联邦大学);Georgia Institute of Technology(佐治亚理工学院)
本文提出一种利用可分解表示和递归多面体松弛结合约束zonotope的非线性离散系统集合状态估计算法,避免线性化过估计,提供更紧包络,计算复杂度有吸引力。
2026-09-10 cs.SY eess.SY math.OC
Constrained minmax density transportation for linear parabolic PDEs: a numerical optimal control perspective
Graduate School of Informatics, Kyoto University(京都大学情报学研究科);Indian Institute of Technology Bombay(印度理工学院孟买分校)
本文针对带噪声的线性抛物型PDE,提出极小极大约束密度控制的数值最优控制框架,将问题转化为凸半无限规划,构建高效算法求解并通过数值示例验证。
2026-08-20 cs.SY eess.SY math.OC
Chance-Constrained DC Optimal Power Flow Using Constraint-Informed Statistical Estimation
The Pennsylvania State University(宾夕法尼亚州立大学);Argonne National Laboratory(阿贡国家实验室);The University of Chicago(芝加哥大学)
本文提出了一种基于约束信息的统计估计方法,用于解决混合约束直流最优潮流问题,通过减少维度提升统计准确性和优化性能。
2026-03-16 cs.SY eess.SY math.OC
Constrained Optimization with Compressed Gradients: A Dynamical Systems Perspective
该研究从动力学系统视角出发,建立扰动扫掠过程与带压缩梯度投影格式的关联,推导收敛性结论,构建分析框架,提出可证明收敛的分布式压缩梯度下降算法,并通过仿真验证了理论与算法的有效性。
2024-10-29 cs.SY eess.SY math.OC
Tight Remainder-Form Decomposition Functions with Applications to Constrained Reachability and Guaranteed State Estimation
针对非线性映射像集过近似问题,提出适用于ELLS系统的紧余项型混合单调分解函数,推导误差界并结合集合求逆算法,实现带噪系统的约束可达性分析与保证状态估计。
2024-06-24 cs.SY eess.SY math.OC
Guaranteed methods based on constrained zonotopes for set-valued state estimation of nonlinear discrete-time systems
本文提出基于均值扩展和一阶Taylor扩展的约束zonotope方法,用于非线性离散时间系统的集值状态估计,在保留计算优势的同时实现了更紧的预测和更新包络。
2019-08-29 cs.SY eess.SY math.DS