Buchumschlag

Feature-Based Interpretable Surrogates for Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Goerigk, Marc, Hartisch, Michael, Merten, Sebastian, Sharma, Kartikey
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Robust Interpretable Surrogates for Optimization
von: Goerigk, Marc, et al.
Veröffentlicht: (2024)

Feature Selection for Data-driven Explainable Optimization
von: Aigner, Kevin-Martin, et al.
Veröffentlicht: (2025)

Robust Combinatorial Optimization Problems Under Budgeted Interdiction Uncertainty
von: Goerigk, Marc, et al.
Veröffentlicht: (2023)

Optimization over Trained (and Sparse) Neural Networks: A Surrogate within a Surrogate
von: Pham, Hung, et al.
Veröffentlicht: (2025)

DT-PBO: an Interpretable Tree-based Surrogate Model for Preferential Bayesian Optimization
von: Leenders, Nick, et al.
Veröffentlicht: (2025)

Parametric Nonconvex Optimization via Convex Surrogates
von: Wang, Renzi, et al.
Veröffentlicht: (2026)

Surrogate-based Optimization via Clustering for Box-Constrained Problems
von: Ahmad, Maaz, et al.
Veröffentlicht: (2026)

Problem-Driven Scenario Reduction and Scenario Approximation for Robust Optimization
von: Fairbrother, Jamie, et al.
Veröffentlicht: (2024)

Smart Surrogate Losses for Contextual Stochastic Linear Optimization with Robust Constraints
von: Im, Hyungki, et al.
Veröffentlicht: (2025)

Surrogate-assisted multi-objective design of complex multibody systems
von: Amakor, Augustina C., et al.
Veröffentlicht: (2024)

Global and Preference-based Optimization with Mixed Variables using Piecewise Affine Surrogates
von: Zhu, Mengjia, et al.
Veröffentlicht: (2023)

The robust selection problem with information discovery
von: Chen, Xiaoyu, et al.
Veröffentlicht: (2025)

PMBO: Enhancing Black-Box Optimization through Multivariate Polynomial Surrogates
von: Schreiber, Janina, et al.
Veröffentlicht: (2024)

Modeling Hierarchical Spaces: A Review and Unified Framework for Surrogate-Based Architecture Design
von: Saves, Paul, et al.
Veröffentlicht: (2025)

Scenario Reduction for Distributionally Robust Optimization
von: Aigner, Kevin-Martin, et al.
Veröffentlicht: (2025)

Methodology for Interpretable Reinforcement Learning for Optimizing Mechanical Ventilation
von: Lee, Joo Seung, et al.
Veröffentlicht: (2024)

Robust Min-Max (Regret) Optimization using Ordered Weighted Averaging
von: Baak, Werner, et al.
Veröffentlicht: (2023)

Network Design for the Traffic Assignment Problem with Mixed-Integer Frank-Wolfe
von: Sharma, Kartikey, et al.
Veröffentlicht: (2024)

Solving Hidden Monotone Variational Inequalities with Surrogate Losses
von: D'Orazio, Ryan, et al.
Veröffentlicht: (2024)

Relaxation-Informed Training of Neural Network Surrogate Models
von: Tsay, Calvin
Veröffentlicht: (2026)

Scalable DC Optimization via Adaptive Frank-Wolfe Algorithms
von: Pokutta, Sebastian
Veröffentlicht: (2025)

Distributed Event-Based Learning via ADMM
von: Er, Guner Dilsad, et al.
Veröffentlicht: (2024)

Surrogate-based optimization of system architectures subject to hidden constraints
von: Bussemaker, Jasper, et al.
Veröffentlicht: (2025)

New Perspectives on the Polyak Stepsize: Surrogate Functions and Negative Results
von: Orabona, Francesco, et al.
Veröffentlicht: (2025)

An Explainable and Interpretable Composite Indicator Based on Decision Rules
von: Corrente, Salvatore, et al.
Veröffentlicht: (2025)

Interpreting Adaptive Gradient Methods by Parameter Scaling for Learning-Rate-Free Optimization
von: Suh, Min-Kook, et al.
Veröffentlicht: (2024)

Enhancing GNNs Performance on Combinatorial Optimization by Recurrent Feature Update
von: Pugacheva, Daria, et al.
Veröffentlicht: (2024)

Weight-Parameterization in Continuous Time Deep Neural Networks for Surrogate Modeling
von: Rosso, Haley, et al.
Veröffentlicht: (2025)

Enhancing Unsupervised Feature Selection via Double Sparsity Constrained Optimization
von: Xiu, Xianchao, et al.
Veröffentlicht: (2025)

Fair Supervised Learning Through Constraints on Smooth Nonconvex Unfairness-Measure Surrogates
von: Khatti, Zahra, et al.
Veröffentlicht: (2025)

SOC-ICNN: From Polyhedral to Conic Geometry for Learning Convex Surrogate Functions
von: Liu, Kang, et al.
Veröffentlicht: (2026)

Sarah Frank-Wolfe: Methods for Constrained Optimization with Best Rates and Practical Features
von: Beznosikov, Aleksandr, et al.
Veröffentlicht: (2023)

Adaptive Learning-based Surrogate Method for Stochastic Programs with Implicitly Decision-dependent Uncertainty
von: Shen, Boyang, et al.
Veröffentlicht: (2025)

Federated Optimization with Doubly Regularized Drift Correction
von: Jiang, Xiaowen, et al.
Veröffentlicht: (2024)

Stabilized Proximal-Point Methods for Federated Optimization
von: Jiang, Xiaowen, et al.
Veröffentlicht: (2024)

Mean-Field Limits for Two-Layer Neural Networks Trained with Consensus-Based Optimization
von: De Deyn, William, et al.
Veröffentlicht: (2025)

A Compositional Kernel Model for Feature Learning
von: Ruan, Feng, et al.
Veröffentlicht: (2025)

Non-convex Stochastic Composite Optimization with Polyak Momentum
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

A Graph-Partitioning Based Continuous Optimization Approach to Semi-supervised Clustering Problems
von: Liu, Wei, et al.
Veröffentlicht: (2025)

Composite Optimization with Error Feedback: the Dual Averaging Approach
von: Gao, Yuan, et al.
Veröffentlicht: (2025)