TL;DR
- چکیده:.
- ما یک کلاس جدید از روشهای اینرسی مبتنی بر ازدحام (SBIMs) را برای کمینهسازی جهانی معرفی میکنیم،.
- که بهعنوان سیستمهای دینامیکی اینرسی پراکنده جفتشده برگرفته از اصل تعمیمیافته Onsager فرمولبندی شدهاند.
چه اتفاقی افتاد
چکیده:. ما یک کلاس جدید از روشهای اینرسی مبتنی بر ازدحام (SBIMs) را برای کمینهسازی جهانی معرفی میکنیم،.
که بهعنوان سیستمهای دینامیکی اینرسی پراکنده جفتشده برگرفته از اصل تعمیمیافته Onsager فرمولبندی شدهاند. چارچوب پیشنهادی عملگر اصطکاک و مقیاس انرژی پتانسیل،.
یعنی تابع هدف را که باید به حداقل برسد،. بهعنوان اجزای کلیدی حاکم بر پویایی آرامش بر روی چشم انداز انرژی شناسایی میکند.
در این چارچوب،. ما یک دینامیک اینرسی میرایی جدید پیشنهاد میکنیم که مکانیسمهای میرایی آن هم اطلاعات گرادیان و هم اطلاعات.
هسی را در بر میگیرد و به سیستم اجازه میدهد تا میرایی یا شتاب را با توجه به. مسیرهای عامل و انحنای چشمانداز تنظیم کند.
تحت شرایط مناسب،. ما ثابت میکنیم که سیستم میرایی پایین قانون اتلاف انرژی را برآورده میکند،.
که از آن یک کران بالایی بر روی فروپاشی مجانبی ایجاد میکنیم. نرخ شکاف بین تابع هدف و حداقل جهانی آن، با $O(1/\delta(t))$ (تعریف شده در §3).
ما بیشتر گسستهسازیهای حفظ ساختار میسازیم که هم اتلاف انرژی گسسته و هم تخمین نرخ همگرایی،. $O(1/\delta_k)$ (تعریف شده در \S3) را حفظ میکنند.
علاوه بر این، چندین الگوریتم عددی کارآمد دیگر را برای سیستم دینامیکی ارائه میکنیم. آزمایشهای عددی برای همه الگوریتمهای پیشنهادی،.
تئوری را در مورد مسائل آزمون محدب تأیید میکند و نرخهای همگرایی را در مقادیر تابع نشان میدهد. که بهطور قابلتوجهی سریعتر از تضمینهای نظری است ($O(1/\delta_k)$).
در مسائل معیار غیر محدب،. روشهای پیشنهادی به نرخهای موفقیت بالایی در رسیدن به حداقل جهانی دست مییابند،.
و پوسیدگی انرژی پایدارتری نسبت به روشهای نزول گرادیان و نستروف مبتنی بر ازدحام نشان میدهند. بهطور کلی،.
این کار یک چارچوب سیستماتیک برای ساخت و تجزیه و تحلیل فراهم میکند SBIMها از دیدگاه. اتلاف انرژی بهینهسازی و کنترل (math.
OC) کلاسها MSC: 90C26 (اولیه) 90-08 65-L99 (ثانویه) استناد بهعنوان: (یا v1 [math. OC] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Qi Wang [مشاهده ایمیل] [v1] جمعه،.
3 آوریل 2026،. 15:.
48:. 35 UTC (4,.
461 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.