Buchumschlag

Minimizing Upper Confidence Bounds: A Data-Driven Framework for Stochastic Programming

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Shixin, Gao, Ming, Hu, Jian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bayesian Optimization with Lower Confidence Bounds for Minimization Problems with Known Outer Structure
von: Baumgärtner, Katrin, et al.
Veröffentlicht: (2025)

Contextual Quantile Minimization for Two-Stage Stochastic Programs
von: Tsang, Man Yiu, et al.
Veröffentlicht: (2025)

Heuristic Bundle Upper Bound Based Polyhedral Bundle Method for Semidefinite Programming
von: Cui, Zilong, et al.
Veröffentlicht: (2025)

Problem-Driven Scenario Reduction Framework for Power System Stochastic Operation
von: Zhuang, Yingrui, et al.
Veröffentlicht: (2024)

Robust Confidence Bands for Stochastic Processes Using Simulation
von: Chan, Timothy, et al.
Veröffentlicht: (2024)

On Data-Driven Stochastic Output-Feedback Predictive Control
von: Pan, Guanru, et al.
Veröffentlicht: (2022)

An Iterative Problem-Driven Scenario Reduction Framework for Stochastic Optimization with Conditional Value-at-Risk
von: Zhuang, Yingrui, et al.
Veröffentlicht: (2025)

Data-driven Policies For Two-stage Stochastic Linear Programs
von: Sharma, Chhavi, et al.
Veröffentlicht: (2026)

Controlling Microgrids Without External Data: A Benchmark of Stochastic Programming Methods
von: Puech, Alban, et al.
Veröffentlicht: (2023)

Global Convergence and Error Propagation in Neural Gradient Flows: A Riemannian Optimization Framework
von: Zheng, Shixin, et al.
Veröffentlicht: (2026)

DUST: A Framework for Data-Driven Density Steering
von: Pilipovsky, Joshua, et al.
Veröffentlicht: (2024)

Lower Bounds for Linear Minimization Oracle Methods Optimizing over Strongly Convex Sets
von: Grimmer, Benjamin, et al.
Veröffentlicht: (2026)

A Nationwide Multi-Location Multi-Resource Stochastic Programming Based Energy Planning Framework
von: Al-Lawati, Razan A. H., et al.
Veröffentlicht: (2023)

Data-Driven Superstabilizing Control under Quadratically-Bounded Errors-in-Variables Noise
von: Miller, Jared, et al.
Veröffentlicht: (2024)

The Power of Simple Menus in Robust Selling Mechanisms
von: Wang, Shixin
Veröffentlicht: (2023)

A Stochastic Conjugate Subgradient Algorithm for Two-stage Stochastic Programming
von: Zhang, Di, et al.
Veröffentlicht: (2025)

Noise Sensitivity of the Semidefinite Programs for Direct Data-Driven LQR
von: Zeng, Xiong, et al.
Veröffentlicht: (2024)

Convex Data-Driven Contraction With Riemannian Metrics
von: Oliveira, Andreas, et al.
Veröffentlicht: (2024)

Data-Driven Stochastic Distribution System Hardening Based on Bayesian Online Learning
von: Shi, Wenlong, et al.
Veröffentlicht: (2025)

Sample Complexity of Data-driven Multistage Stochastic Programming under Markovian Uncertainty
von: Park, Hyuk, et al.
Veröffentlicht: (2024)

Provable Complexity Improvement of AdaGrad over SGD: Upper and Lower Bounds in Stochastic Non-Convex Optimization
von: Jiang, Ruichen, et al.
Veröffentlicht: (2024)

Adaptive Multistage Stochastic Programming
von: Kayacık, Sezen Ece, et al.
Veröffentlicht: (2024)

Probing-Enhanced Stochastic Programming
von: Ma, Zhichao, et al.
Veröffentlicht: (2024)

Stochastic Quadratic Dynamic Programming
von: Guigues, Vincent, et al.
Veröffentlicht: (2025)

An Optimization-Based Framework for Solving Forward-Backward Stochastic Differential Equations: Convergence Analysis and Error Bounds
von: Wang, Yutian, et al.
Veröffentlicht: (2025)

A Versatile Framework for Data-Driven Control of Nonlinear Systems
von: Monshizadeh, Nima, et al.
Veröffentlicht: (2024)

Data-Driven Output Prediction and Control of Stochastic Systems: An Innovation-Based Approach
von: Wang, Yibo, et al.
Veröffentlicht: (2022)

Robust Data-Driven Quasiconcave Optimization
von: Wu, Jian, et al.
Veröffentlicht: (2025)

From Data to Predictive Control: A Framework for Stochastic Linear Systems with Output Measurements
von: Balim, Haldun, et al.
Veröffentlicht: (2024)

Large Deviations Analysis For Regret Minimizing Stochastic Approximation Algorithms
von: Qian, Hongjiang, et al.
Veröffentlicht: (2024)

Data-Driven Linear Quadratic Control Using Output-Feedback via Non-Minimal Realization
von: Li, Weijian, et al.
Veröffentlicht: (2026)

LOTUS: A Warm-Start Framework for Powering Dual Decomposition in Large-Scale Two-Stage Stochastic Programs
von: Cornielje, Emma, et al.
Veröffentlicht: (2026)

Robust Data-Driven Receding Horizon Control
von: Zheng, Jian, et al.
Veröffentlicht: (2025)

Robust Data-Driven Receding-Horizon Control for LQR with Input Constraints
von: Zheng, Jian, et al.
Veröffentlicht: (2025)

An Error Bound for Aggregation in Approximate Dynamic Programming
von: Li, Yuchao, et al.
Veröffentlicht: (2025)

Performance Bounds for Rollout Policies in Stochastic Shortest Path Problems
von: Hansson, Anders, et al.
Veröffentlicht: (2026)

Stochastic Data-Driven Predictive Control: Chance-Constraint Satisfaction with Identified Multi-step Predictors
von: Balim, Haldun, et al.
Veröffentlicht: (2024)

Lower and Upper Bounds for Small Canonical and Ordered Ramsey Numbers
von: Brosch, Daniel, et al.
Veröffentlicht: (2025)

Strength of the Upper Bounds for the Edge-Weighted Maximum Clique Problem
von: Ciccarelli, Fabio, et al.
Veröffentlicht: (2025)

Data-driven Piecewise Affine Decision Rules for Stochastic Programming with Covariate Information
von: Zhang, Yiyang, et al.
Veröffentlicht: (2023)