本文介绍了最优传输方面的数值方法，旨在解决在图形和机器学习中遇到的三角形网格、图形、点云等定义在几何域上的难以高效解决的大规模线性规划，通过使用离散优化、凸分析等为数值最优传输问题提供理论可证明的模型，并讨论了其中的一些问题。

Jan, 2018

本文研究了离散优化输运、凸多面体的黎曼度量问题以及离散 Monge-Ampere 方程，建立了这些问题与计算几何中的功率图之间的联系。

Feb, 2013

提供了一个与连续的最优传输类比的框架，以便于在本地验证离散传输计划的全局最优性，从而构建一种通过考虑一系列稀疏问题来解决大规模密集问题的算法，进而可以与分层多尺度方案相结合，明显减少了运行时间和内存要求。

Oct, 2015

本文提出了一个基于离散最优输运问题的简单子抽样方案，用于快速随机近似计算最优输运距离。该方案针对完全数据的随机子集操作，可使用任何精确算法作为黑盒后端，包括最先进的求解器和熵惩罚版本。我们给出了其非渐进偏差范围，以针对更高的精度或更短的计算时间进行简化。实验证明，该子抽样方案可以在计算时间大大降低的情况下，获得比精确方法更好的近似效果。

Feb, 2018

该论文提出了一种通过噪声数据推断未知成本的方法，利用了前向最优传输问题和随机数生成方法作为基础，探讨了其在国际迁移流问题上的应用和不确定性量化。

May, 2019

本文提出更快的算法来近似计算两个离散概率分布之间的最优传输距离（如移动距离），同时提供对其的简要介绍和优化，通过将最优传输归约为规范化优化问题，该问题可以在近似线性时间内解决，处理了 linear programs 等问题。

Oct, 2018

研究了 $d>2$ 离散测度的最优输运问题，提出了有熵正则化项的线性规划方案，并引入了 Sinkhorn 扩展算法，并给出了严格凸函数部分最小化算法的变形，得到其收敛速度的几何估计。

May, 2020

本文介绍和证明了一种阻尼牛顿算法的收敛性，以近似解决存储费用、硬容量约束下的半离散最优输运问题，并探讨了其在队列罚函数问题、数据聚类等方面的应用，是第一种基于数值方法并具有收敛性的解决该变体问题的算法，同时不需要任何关于源测度支集的连通性假设并提出相关的拉格尔细胞稳定性结果，所有结果均附带定量的速率分析和数值例子。

Aug, 2019

本研究针对非紧致流形，展示了如何获得用于紧致流形上展示 Monge 传输问题的结果，其中成本来自于 Tonelli Lagrangians。 特别地，已知类型为 d^r（r> 1）的成本的结果，在没有任何曲率限制的情况下成立，其中 r 是完全 Riemannian 流形的 Riemannian 距离。

Nov, 2007

本论文提出了一种通用的理论框架和算法，通过利用简单的变形来解决多边际最优输运问题（MOT）在多项式时间内，尤其是解决了当前最流行的 Sinkhorn 算法对于 MOT 求解在多项式时间内所需要的额外结构，提供了新的精确且稀疏的算法，同时对于三种 MOT 成本结构提供了可充分利用标准算法技术的多项式时间算法。

Aug, 2020