Hopf-Cole transformation via generalized Schrödinger bridge problem
研究了由薛定谔桥问题引起的广义Hopf-Cole变换,它可以看作是Wasserstein空间上的边值哈密顿系统.我们证明了广义Hopf-Cole变换是Wasserstein辛几何中的辛浸没。给出了许多例子,包括浅水方程的Hopf-Cole变换。在此基础上,给出了能量分裂不等式。
2019-01-25 math.AP math.DS math.OC
Multi-marginal Optimal Transport with a Tree-structured cost and the Schrödinger Bridge Problem
最优输运问题最近已发展成为一个强大的框架,各种应用的估计和控制。最优输运理论和应用的许多最新进展都是基于用熵项正则化问题,将其与薛定谔桥问题联系起来,从而与随机最优控制联系起来。此外,熵正则化使得即使对于大规模设置,在其他方面计算要求高的最优输运问题也是可行的。这导致了在广泛领域中基于最优输运的方法的加速发展。这些应用中的许多都具有底层图结构,例如信息融合和跟踪问题可以用树来描述。在这项工作中,我们考虑多边际最优输运问题的费用函数,根据一个树结构。熵正则化的多边际最优输运问题可以看作是薛定谔桥问题的一个推广,它具有相同的树结构,利用这些联系,我们扩展了经典最优输运问题的计算方法,以便有效地求解结构化的多边际最优输运问题.特别是,该算法只需要相对较小维度的矩阵向量乘法。我们表明,多边缘正则化引入较少的扩散,相比常用的成对正则化,因此更适合于许多应用。数值例子说明了这一点,我们最后应用所提出的框架跟踪一个不可区分的代理人的合奏。
2021-03-11 math.OC
Reflected Schrodinger Bridge Problem over Sub-Riemannian Manifold
研究次黎曼流形上反射薛定谔桥问题,针对几何和退化性困难,引入内在斜反射机制,证明相关过程有光滑正转移密度,通过正反向偏微分方程系统及基于偏微分方程的Sinkhorn迭代求解最优控制并举例说明。
2026-07-27 math.OC
An Optimal Transport approach for the Schrödinger bridge problem and convergence of Sinkhorn algorithm
本文利用薛定谔桥问题和熵惩罚最优输运之间的等价性,在最优输运的精神下,找到一种不同的方法来处理对偶问题。这种方法导致先验估计,当正则化参数趋于零时,先验估计在极限中是一致的。特别是,我们找到了一个新的证明最大熵势的存在性,因此,薛定谔系统的解的存在性。我们的方法也扩展时,我们有两个以上的边缘:我们可以提供一个替代的证明的收敛性的Sinkhorn算法与两个边缘,我们表明,Sinkhorn算法收敛在多边缘的情况下。
2019-11-15 math.OC math.PR
Averaged Controllability of Time-Fractional Schrödinger Equations with Random Quantum Diffusivity
University of the Basque Country UPV/EHU(巴斯克大学);Cadi Ayyad University, UCA, Faculty of Sciences Semlalia(卡迪·阿亚德大学塞姆拉拉理学院)
本文研究了时间分数阶薛定谔方程在随机量子扩散率下的平均可控性问题,证明了绝对连续扩散率无法实现同时零可控性,并提出了一种双参数分数特征函数以实现任意时间的零平均可控性。
2026-02-07 math.DS math.OC
A Contraction Theory for Sinkhorn and Schrodinger Bridges via Log-Sobolev Inequalities
Centre de Recherche Inria Bordeaux Sud-Ouest(法国国家信息与自动化研究所波尔多西南研究中心)
本文基于Log-Sobolev不等式,提出了一种用于Sinkhorn和Schrodinger桥的收缩理论,通过运输成本不等式和Riccati方程获得熵和Wasserstein收缩界,并在高斯参考转移下得到精确的收敛估计。
2026-01-18 math.OC math.PR
Quantum-Enhanced Sampling of Schrödinger Bridges
École Normale Supérieure Paris-Saclay(巴黎萨克雷高等师范学院);Imperial College London(伦敦帝国理工学院)
本文针对有限状态空间上的动态薛定谔桥问题,利用马尔可夫结构分解为端点耦合和条件桥,提出基于量子行走的吉布斯采样器,将时间范围依赖从二次降至线性,并将端点耦合的矩阵缩放复杂度从二次降至 $N^{3/2}$,同时扩展至加性运行成本模型。
2026-09-24 math.OC math.PR quant-ph
Plug-in estimation of Schrödinger bridges
Center for Data Science, New York University(纽约大学数据科学中心);Courant Institute for Mathematical Science, New York University(纽约大学柯朗数学科学研究所)
提出一种名为Sinkhorn bridge的Schrödinger桥插入式估计方法,无需迭代模拟扩散或训练神经网络,通过修改静态熵最优传输势函数估计漂移,收敛速率依赖目标测度本征维数。
2024-08-21 cs.LG math.OC stat.ML
Reflected Schrödinger Bridge: Density Control with Path Constraints
University of California, Santa Cruz(加州大学圣克鲁兹分校)
如何在有限时域上将给定的联合状态密度函数转向到另一个受硬状态(样本路径)约束的受控随机动力学?在应用中,状态约束可以编码安全要求,例如避障。在本文中,我们进行反馈综合的最小控制努力密度转向(a.k.a.薛定谔桥)问题受状态约束。我们扩展了薛定谔桥的理论,以考虑样本路径的反射边界条件,并提供了一个计算框架,建立在我们以前的工作近端递归,解决同样的问题。
2020-04-04 cs.LG cs.SY eess.SY
Stability of Entropic Optimal Transport and Schrödinger Bridges
我们建立了熵正则化最优输运问题解关于边际和费用函数的稳定性。其结果是基于几何概念的循环不变性和启发使用$c$ -循环单调性在经典的最优输运。作为稳定性的结果,我们得到的解决方案在这个几何意义上的适定性,即使所有的运输有无限的成本。更一般地说,我们的结果适用于一类静态薛定谔桥问题,包括熵最优输运。
2022-07-05 math.AP math.FA math.OC
A kernel-based method for Schrödinger bridges
Institute of Science Tokyo(东京科学大学)
本文提出基于核的方法解决施罗德inger桥问题,通过Mckean-Vlasov随机控制问题建模,并采用神经SDE深度学习算法进行求解,通过实验验证了方法的有效性。
2025-12-09 cs.NA math.NA math.OC
Nonlocal Onsager Operators and Entropy Dissipation for Finite-State Schrödinger Bridges
Higher Institute of Computer Science and Multimedia of Sfax, University of Sfax(萨法克斯多媒体与计算机科学高等学院,萨法克斯大学);Qassim University(卡西姆大学);Sfax Preparatory Engineering Institute, University of Sfax(萨法克斯预备工程学院,萨法克斯大学)
针对有限状态空间上的Schrödinger桥问题,提出由半对偶凸公式导出的终端势连续时间演化,证明其平衡态唯一对应桥解,并建立非局部梯度流公式,证明全局适定性、收敛性和指数松弛。
2026-06-12 math.AP math.OC
A proximal approach to the Schrödinger bridge problem with incomplete information and application to contamination tracking in water networks
KTH Royal Institute of Technology(皇家理工学院);University of Aalborg(奥尔堡大学);Grundfos(格兰富)
本文提出了一种基于熵正则化方案的可扩展方法,用于解决非严格凸的离散Schrödinger桥问题,并应用于水网络污染追踪。
2026-04-07 cs.SY eess.SY math.OC
On the relation between optimal transport and Schrödinger bridges: A stochastic control viewpoint
University of Minnesota(明尼苏达大学);Università di Padova(帕多瓦大学)
从随机控制视角重新审视最优传输与施罗德inger桥的关系,揭示其更丰富的联系,提出新的流体动力学版本并探讨其与最优传输的连接。
2014-12-15 cs.SY eess.SY math-ph
A weak transport approach to the Schrödinger-Bass bridge
Institute of Statistics, Graz University of Technology(格拉茨工业大学统计研究所)
本文研究了Schrödinger-Bass问题,通过构建显式成本函数,将动态问题转化为静态弱最优传输问题,并探讨了其在不同β值下的极限行为。
2026-07-01 math.OC math.PR
Schrödinger Bridge with Quadratic State Cost is Exactly Solvable
University of California Santa Cruz(加州大学圣克鲁兹分校);Iowa State University(爱荷华州立大学)
本文提出带二次状态剩余代价的正则化 Schrödinger bridge,闭式推导反应-扩散 Markov 核,证明其对非高斯端点也精确可解,并恢复传统情形。
2024-10-27 cs.LG cs.SY eess.SY
An excursion onto Schrödinger's bridges: Stochastic flows with spatio-temporal marginals
本研究将随机流终止机制引入薛定谔桥范式,推导时空耦合的薛定谔偏微分方程组并采用Fortet-Sinkhorn类算法求解,拓展了可解决的控制与估计问题范围,且所得桥过程保留马尔可夫结构,控制器为状态反馈形式。
2024-06-13 cs.SY eess.SY math.OC
On the Contraction Coefficient of the Schrödinger Bridge for Stochastic Linear Systems
University of California, Santa Cruz(加州大学圣克鲁兹分校);Georgia Institute of Technology(佐治亚理工学院);Iowa State University(爱荷华州立大学)
本文研究了随机线性系统 Schrödinger 桥问题中收缩系数的先验估计,为其提供了新的几何与控制理论解释,并指出通过对端点支撑集进行预处理可改进最坏情况收缩系数的计算。
2023-09-12 cs.LG cs.SY eess.SY
Weyl Calculus and Exactly Solvable Schrödinger Bridges with Quadratic State Cost
University of California, Santa Cruz(加州大学圣克鲁兹分校);Iowa State University(爱荷华州立大学)
本研究将量子力学中Weyl微积分的思想应用于带二次状态代价的Schrödinger桥问题,显式求出对应马尔可夫核,复现既有结果且避免了Hermite多项式的繁琐计算。
2024-08-13 cs.LG cs.SY eess.SY
Mutual Information Optimal Density Control of Linear Systems and Generalized Schrödinger Bridges with Reference Refinement
Graduate School of Informatics, Kyoto University, Kyoto, Japan(京都大学信息科学研究生院)
本文提出互信息正则化的线性系统最优密度控制方法,通过引入高斯密度约束控制状态不确定性,结合交替优化算法解决安全关键场景下的控制问题,与广义施罗德inger桥问题等价。
2026-10-06 cs.LG cs.SY eess.SY
Explicit approximate controllability of the Schrödinger equation with a polarizability term
我们考虑一个受控的薛定谔方程与偶极和极化率项,使用时的偶极近似是无效的。控制是外电场的幅值,它对状态的作用是非线性的。在这个无限维的框架中,我们扩展了Coron,Grigoriu,Lefter和Turinici在有限维中稳定使用的先前技术。我们考虑了一个高度振荡的控制,并证明了半全局弱$H^2$镇定的平均系统使用的Lyapunov函数Nersesyan介绍。然后证明了只要控制振荡足够大,薛定谔方程的解和平均方程的解在每个有限时域上都是接近的.结合这两个结果,我们得到了极化率系统对基态的近似能控性。
2012-07-20 math.AP math.OC
Learning non-equilibrium diffusions with Schrödinger bridges: from exactly solvable to simulation-free
University of Melbourne(墨尔本大学)
本文提出mvOU-OTFM算法,通过流和分数匹配学习Schrödinger桥梁,适用于非平衡系统的建模与模拟。
2026-02-03 cs.LG math.OC stat.ML
Marginal flows of non-entropic weak Schrödinger bridges
University of Southern California(南加州大学);Princeton University(普林斯顿大学)
本文提出了一种动态形式的正则化最优传输,弱目标路径空间。通过将经典相对熵惩罚替换为一般凸散度,并在弱意义上施加终端约束,建立了well-posedness和凸对偶形式,以及对偶存在性结果和原始对偶优化器的显式结构特征。
2026-03-28 math.OC math.PR
Soft-constrained Schrodinger Bridge: a Stochastic Control Approach
Texas A&M University(德克萨斯农工大学)
本文提出软约束薛定谔桥(SSB),通过惩罚终端与目标分布的KL散度推广薛定谔桥问题,推导出最优终端分布为几何混合,并扩展至时间序列,提出基于分数匹配的算法应用于鲁棒生成扩散模型。
2024-04-22 cs.LG math.OC stat.CO
Nonlinear Non-Gaussian Density Steering with Input and Noise Channel Mismatch: Sinkhorn with Memory for Solving the Control-affine Schrödinger Bridge Problem
Department of Applied Mathematics, University of California Santa Cruz(加州大学圣克鲁兹分校应用数学系);Department of Aerospace Engineering, Iowa State University(爱荷华州立大学航空航天工程系);School of Aerospace Engineering, Georgia Institute of Technology(佐治亚理工学院航空航天工程学院)
本文提出一种具有记忆的Sinkhorn递归方法,用于解决控制-仿射Schrödinger桥问题中的输入和噪声通道不匹配问题,通过非线性PDEs结构证明了算法的局部稳定性。
2026-04-25 cs.AI cs.LG cs.SY
A Generalized Sinkhorn Algorithm for Mean-Field Schrödinger Bridge
Department of Aerospace Engineering, Iowa State University(爱荷华州立大学航空航天工程系);School of Aerospace Engineering, Georgia Institute of Technology(佐治亚理工学院航空航天工程学院)
针对平均场薛定谔桥问题,提出广义Hopf-Cole变换并设计Sinkhorn型递归算法求解积分-偏微分方程组,在弱假设下证明收敛性,数值实验验证有效性。
2026-06-17 cs.LG cs.MA cs.SY
A Regime-Switching Approach to the Unbalanced Schrödinger Bridge Problem
Department of Mathematics and Statistics, McGill University(麦吉尔大学数学与统计系)
本文提出了一种regime-switching方法,用于解决不平衡Schrödinger桥问题,通过考虑不同信息水平的约束,提供了一个统一的框架来处理该问题的不同场景。
2025-12-15 math.OC math.PR
Generalized Schrödinger Bridge Matching
Georgia Institute of Technology(佐治亚理工学院);Weizmann Institute of Science(魏茨曼科学研究所);FAIR, Meta(Meta FAIR)
提出广义薛定谔桥匹配算法,将分布匹配推广至任务特定成本,通过条件随机最优控制求解,提升训练稳定性与可扩展性,并在多类任务中验证。
2024-04-18 cs.LG math.OC stat.ML
A Geometric Solution of the Schrödinger Bridge Problem on $\mathsf{SO}(2)$ via Stochastic Optimal Control
New Jersey Institute of Technology(新泽西理工学院)
针对李群 $\mathsf{SO}(2)$ 上的各向同性薛定谔桥问题,提出一种几何无坐标解法,通过证明希尔伯特投影度量下不动点递归的压缩性,确保解的存在唯一性,并设计仅利用 $\mathsf{SO}(2)$ 内在几何结构的控制器。
2026-06-23 cs.SY eess.SY math.OC
Neural Schrödinger Bridge with Sinkhorn Losses: Application to Data-driven Minimum Effort Control of Colloidal Self-assembly
University of California, Santa Cruz(加州大学圣克鲁兹分校);Iowa State University(爱荷华州立大学);University of California, Berkeley(加州大学伯克利分校)
该研究将胶体自组装的最小努力控制建模为广义薛定谔桥问题,提出神经薛定谔桥框架,用神经网络学习漂移与扩散系数,并以Sinkhorn损失训练,实现数据驱动控制。
2023-10-13 cs.LG cs.SY eess.SY
Lifted Schrödinger Bridges for Gaussian Mixture Endpoints: Projection Gaps and Path-Space Obstructions
Daniel Guggenheim School of Aerospace, Georgia Institute of Technology(丹尼尔·加金吉姆航空航天学院,佐治亚理工学院)
针对高斯混合端点分布下的随机密度控制问题,提出一种提升路径空间构造,将问题分解为高斯分量间的显式Schrödinger桥与有限维熵耦合,并分析投影后的标签信息间隙及路径空间障碍。
2026-11-03 cs.LG cs.RO cs.SY
Schrödinger Bridge Over A Compact Connected Lie Group
Department of Mechanical & Industrial Engineering(机械与工业工程系);New Jersey Institute of Technology(新泽西理工学院);Department of Aerospace Engineering(航空航天工程系);Iowa State University(爱荷华州立大学)
本文研究了紧连通李群上的薛定谔桥问题,提出了一种坐标自由的随机最优控制方法,避免了局部参数化或欧几里得空间嵌入的限制,并在SO(2)和SO(3)上进行了数值示例。
2026-03-20 cs.LG cs.SY eess.SY
Control Realization of Schrödinger Bridges over Discrete-Time Nonlinear Systems via Maximum-Entropy Distribution Steering
The University of Tokyo(东京大学);Kyoto University(京都大学)
本文研究离散时间非线性系统的最大熵分布引导,证明薛定谔桥可通过最优控制策略实现,刻画其状态路径测度、有限代价可行性条件,并给出两类系统的特例。
2026-10-14 cs.SY eess.SY math.OC
On the Hopf-Cole Transform for Control-affine Schrödinger Bridge
University of California Santa Cruz(加州大学圣克鲁兹分校);Iowa State University(爱荷华州立大学)
本文阐明在控制仿射薛定谔桥问题中,Hopf-Cole变换的有效性依赖于控制与噪声系数满足比例关系,否则产生非线性前向-后向PDE,需进一步开发算法求解。
2025-03-22 cs.AI cs.LG cs.SY
Deep Generalized Schrödinger Bridge
Georgia Institute of Technology(佐治亚理工学院);Massachusetts Institute of Technology(麻省理工学院)
平均场博弈(MFG)是一个重要的数学框架,用于模拟个体与大种群随机交互的集体行为。在这项工作中,我们的目标是解决一类具有挑战性的MFG,其中这些相互作用的偏好的可微性可能无法提供给求解器,并敦促人口精确地收敛到一些所需的分布。这些设置,尽管出于实用目的是很好的动机,复杂到足以瘫痪大多数(深度)数值求解器。然而,我们表明,薛定谔桥-作为一个熵正则化的最佳传输模型-可以推广到接受平均场结构,从而解决这些MFG。这是通过应用前向-后向随机微分方程理论来实现的,有趣的是,这导致了一个与时间差学习具有类似结构的计算框架。因此,它为深度强化学习开辟了新的算法连接,我们可以利用它来促进实际训练。我们表明,我们提出的目标函数提供了必要和充分条件的平均场问题。我们的方法,命名为深广义薛定谔桥(DeepGSB),不仅优于以前的方法在解决经典的人口导航MFG,但也能够解决1000维意见去极化,设置一个新的国家的最先进的数值求解器的高维MFG。我们的代码将在https://github.com/ghliu/DeepGSB上提供。
2022-09-20 cs.GT cs.LG math.OC
Scaling limit of Sinkhorn-rescaled Random Matrices via Stability of Static Schrödinger Bridges
University of Wisconsin - Madison(威斯康星大学麦迪逊分校)
研究大随机矩阵通过Sinkhorn算法缩放后的渐进行为,证明其在Schrödinger势和随机测度层面集中于均值矩阵缩放,发展波动理论,包括样本协方差矩阵的谱集刚性和经验Schrödinger势的中心极限定理。
2026-04-25 math.CO math.OC math.PR
Nonlocal Mean Field Schrödinger Bridge with Learned Interactions
Department of Mathematics, Imperial College London(伦敦帝国学院数学系);Shanghai Frontiers Science Center of Artificial Intelligence and Deep Learning(上海前沿人工智能与深度学习科学中心);NYU-ECNU Institute of Mathematical Sciences, NYU Shanghai(纽约大学上海数学科学研究所)
本文提出一种使用神经网络代理近似非局部相互作用的平均场薛定谔桥方法,将推理时的每步计算成本从二次降低到线性,并推导了代理误差传播的稳定性界限。
2026-07-03 cs.LG cs.NA math.NA
Wasserstein Proximal Algorithms for the Schrödinger Bridge Problem: Density Control with Nonlinear Drift
研究了具有非线性先验动力学的薛定谔桥问题。在控制理论的语言,这是一个问题的最小努力转向一个给定的联合状态密度函数(PDF)到另一个在有限的时间范围内,受控的随机微分演化的状态向量。对于一般的非线性漂移,我们减少SBP解决系统的向前和向后Kolmogorov偏微分方程(PDE),通过边界条件耦合,未知数是“薛定谔因子”-如此命名,因为他们的产品在任何时候都产生最佳的控制联合状态PDF在那个时候。我们表明,如果漂移是一个梯度向量场,或者是混合的保守-耗散性质,那么它是可能的,这些偏微分方程转化为一对初值问题(IVP)涉及相同的前向Kolmogorov算子。结合最近提出的一个不动点递归,是在希尔伯特度量收缩,这开辟了可能性,以数值求解的SBPs在这些情况下,通过计算薛定谔因子通过一个单一的IVP求解器相应的(不受控制的)前向Kolmogorov偏微分方程。对于上述两种类型的漂移,由这样的前向Kolmogorov偏微分方程生成的流反过来在联合PDF的流形上相对于合适的距离泛函具有梯度下降结构。我们采用了近端算法在我们以前的工作,利用这种几何观点,解决这些IVP和计算薛定谔因子通过加权分散点云演化的状态空间。我们提供了算法的细节,并说明了建议的框架,解决非线性先验动力学的SBPs的数值例子。
2021-03-15 cs.SY eess.SY math.OC
Path Structured Multimarginal Schrödinger Bridge for Probabilistic Learning of Hardware Resource Usage by Control Software
University of California, Santa Cruz(加州大学圣克鲁兹分校);University of Pennsylvania(宾夕法尼亚大学);Iowa State University(爱荷华州立大学)
本研究利用路径结构化多边缘薛定谔桥问题的最新求解算法,实现控制软件硬件资源使用的概率学习,可线性收敛地预测时变资源分布,在模型预测控制案例中验证了有效性,可推广至各类软件的信息物理相关性能预测。
2023-10-03 cs.LG cs.SY eess.SY
Schrödinger bridge for generative AI: Soft-constrained formulation and convergence analysis
Department of Mathematics, University of Southern California(美国南加州大学数学系);Department of Statistics and Applied Probability, University of California(加州大学圣塔芭芭拉分校统计与应用概率系);Department of Management of Science & Engineering, Stanford University(斯坦福大学科学与工程管理系)
针对经典薛定谔桥问题硬终端约束导致生成式AI实现不稳定的问题,提出软约束薛定谔桥问题,证明其最优解存在性及向经典问题的线性收敛率,为鲁棒生成建模等提供理论支撑。
2025-10-28 cs.LG math.DS math.OC
Adjoint Schrödinger Bridge Sampler
FAIR at Meta(Meta 的 FAIR);Georgia Institute of Technology(佐治亚理工学院)
ASBS是一种基于施罗德inger桥的新型扩散采样器,通过伴随匹配方法实现高效采样,无需估计目标样本,适用于多种能量函数和分子分布。
2025-11-24 cs.LG math.OC stat.ML
Optimal Multimarginal Schrödinger Bridge: Minimum Spanning Tree over Measure-valued Vertices
Department of Applied Mathematics, University of California Santa Cruz(应用数学系,加州大学圣克鲁兹分校);Department of Aerospace Engineering, Iowa State University(航空航天工程系,爱荷华州立大学)
本研究解决了在所有可能图结构上寻找最优多边际Schrödinger桥(MSB)的问题,发现其等价于测度值顶点上的最小生成树问题,并通过两步法求解,数值实验验证了该方法。
2025-09-12 cs.AI cs.LG math.OC
Maximum entropy optimal density control of discrete-time linear systems and Schrödinger bridges
Tokyo Institute of Technology(东京工业大学);Kyoto University(京都大学)
本文针对离散时间线性系统提出带高斯密度约束的最大熵最优密度控制方法,推导其显式形式,并将相关状态过程刻画为pinned过程,揭示其与薛定谔桥的等价关系。
2023-08-13 cs.LG cs.SY eess.SY
Control-affine Schrödinger Bridge and Generalized Bohm Potential
University of California Santa Cruz(加州大学圣克鲁兹分校);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);Iowa State University(爱荷华州立大学)
针对仿射控制薛定谔桥这一随机最优控制问题,将其最优性必要条件重构为带复势的薛定谔偏微分方程两点边值问题,复势是玻姆势的推广且类似核物理光学势,揭示过程噪声诱导波函数吸收介质,在控制理论与非平衡统计力学间建立新联系。
2025-11-12 cs.SY eess.SY math-ph
Stochastic Learning of Computational Resource Usage as Graph Structured Multimarginal Schrödinger Bridge
Department of Applied Mathematics, University of California, Santa Cruz(应用数学系,加州大学圣克鲁兹分校);Department of Computer and Information Science, University of Pennsylvania(计算机与信息科学系,宾夕法尼亚大学);Department of Aerospace Engineering, Iowa State University(航空航天工程系,爱荷华州立大学)
该研究提出将软件时变随机计算资源使用建模为图结构薛定谔桥问题,以非参数方式从性能快照学习联合时变随机性,给出单核/多核算法及收敛分析,通过两个案例验证了资源可用性预测的实用性。
2025-05-19 cs.AI cs.LG cs.SY