AAAIJan, 2023

离散动力系统中的非平凡最小不动点发现

PDF
TL;DR研究了网络离散动态系统中固定点对应的最小节点数优化问题，对于一些特殊情况提出了有效的解法，并采用启发式框架和贪心方法处理较大规模的网络并得出了实验结果。
networked discrete dynamical systemsfixed pointscontagionsoptimization problemheuristics
发现论文，激发创造
  • 连续时间扩散网络中的影响最大化

    本研究针对扩散网络中寻找最佳源节点集合，以限定时间内最大化信息、影响力和疾病传播等问题展开研究，利用连续时间马尔可夫链可以解析计算扩散过程中源节点覆盖数量的平均值，并发现选择时间连续状态下的最具影响力的源节点是 NP-hard 的，因此提出了一种高效的近似算法，并在实验中针对合成和真实扩散网络展示出其明显优越性。

    May, 2012

  • 基于节点动态的分布式有限和约束非线性优化

    本文讨论了一个分布式和本地化有限和分配技术，用于解决多智能体网络上资源受限制的凸优化问题，同时考虑各种不同应用的非线性约束。

    Mar, 2022

  • 非凸分布式优化

    该研究分析分布式非凸优化问题，针对多智能体网络模型，利用一些技术假设证明分布式推送算法在目标函数的临界点处收敛，并利用扰动动力学证明扰动过程的几乎肯定收敛性。

    Dec, 2015

  • 基于可行性的不动点网络

    本文提出了一种融合基于数据的正则化和凸可行性的方法，通过实现基于凸可行性的不动点网络，在利用大量可用数据的同时来提高逆问题重建的精度和稳定性，并在计算机断层扫描重建及使用算法展开的神经网络中，得到了明显的性能提高。

    Apr, 2021

  • 扩散策略下的分布式帕累托优化

    本文探讨如何通过协作和学习代理的网络以分布式方式解决多目标优化问题，提出了一种基于自适应扩散策略的分布式解决方案，并研究了代理人收敛于 Pareto 最优解以及其与不动点之间的关系，为金融领域中代理人网络的协作决策提供了一个应用实例。

    Aug, 2012

  • 从本地 SGD 到本地定点方法的联邦学习

    本研究探讨了在分布式环境中使用固定步数和随机计算两种策略来实现平均操作符的固定点，以适应联邦学习等需要，经过收敛性分析和实验证明了我们方法的优势。

    Apr, 2020

  • 拓扑博弈中纳什均衡的复杂性问题

    在拥堵博弈中找到 (可能的混合) 纳什均衡和在平滑函数的梯度下降动力学中找到指数精度的不动点两问题等价，由此得到复杂性类的等价性 CCLS = PPAD∩PLS。

    Dec, 2020

  • 图上粒子系统，第二部分：分布随机连续优化的动力学

    研究了具有连续节点的图网中的分布式优化问题，提出了基于随机梯度下降和梯度追踪算法的解决方案，并证明了节点状态的二阶矩一致有界性和收敛性。若本地代价函数强凸，则节点状态收敛至全局代价函数的极小值，并且随机梯度追踪算法的辅助状态均方一致收敛至极小值处的全局代价函数梯度值。

    Jul, 2024

  • 揭示扩散网络的时间动态

    针对在网络上的信息 / 影响 / 疾病扩散，本研究提出了一种基于离散网络的连续时间过程模型，通过已感染节点的传染事件推断全局扩散网络的边缘和每条边缘的传输速率，进而预测、影响和抑制感染传播。该模型具有稀疏解决方案，无需参数调整，可轻松适用于规模在数千到数十万的网络，实验证实了该算法的效果良好。

    May, 2011

  • 用确定性粒子流约束随机非线性系统

    提出了一种非迭代的方法，从一个相互作用粒子逼近的对数梯度中估计必要的控制，用于扰动非线性系统的最优干预。

    Dec, 2021