Buchumschlag

PINNs in PDE Constrained Optimal Control Problems: Direct vs Indirect Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Zhen, Liu, Shanqing, Alla, Alessandro, Darbon, Jerome, Karniadakis, George Em
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Optimization and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HJ-sampler: A Bayesian sampler for inverse problems of a stochastic process by leveraging Hamilton-Jacobi PDEs and score-based generative models
von: Meng, Tingwei, et al.
Veröffentlicht: (2024)

A Variational Framework for Residual-Based Adaptivity in Neural PDE Solvers and Operator Learning
von: Toscano, Juan Diego, et al.
Veröffentlicht: (2025)

Automatic discovery of optimal meta-solvers via multi-objective optimization
von: Lee, Youngkyu, et al.
Veröffentlicht: (2024)

Leveraging Hamilton-Jacobi PDEs with time-dependent Hamiltonians for continual scientific machine learning
von: Chen, Paula, et al.
Veröffentlicht: (2023)

PI-SONet: A Physics-Informed Symplectic Operator Network for Real-Time Optimal Control of Multi-Agent Systems
von: Varghese, Alan John, et al.
Veröffentlicht: (2026)

Optimizing the Optimizer for Physics-Informed Neural Networks and Kolmogorov-Arnold Networks
von: Kiyani, Elham, et al.
Veröffentlicht: (2025)

A time-dependent symplectic network for non-convex path planning problems with linear and nonlinear dynamics
von: Zhang, Zhen, et al.
Veröffentlicht: (2024)

Adversarial Physics-Informed Machine Learning for Robust Optimal Safe Predefined-Time Stabilization: A Game-Theoretic Approach
von: Kokolakis, Nick-Marios T., et al.
Veröffentlicht: (2025)

The ADMM-PINNs Algorithmic Framework for Nonsmooth PDE-Constrained Optimization: A Deep Learning Approach
von: Song, Yongcun, et al.
Veröffentlicht: (2023)

A Neural-Operator Preconditioned Newton Method for Accelerated Nonlinear Solvers
von: Lee, Youngkyu, et al.
Veröffentlicht: (2025)

DeepVIVONet: Using deep neural operators to optimize sensor locations with application to vortex-induced vibrations
von: Wan, Ruyin, et al.
Veröffentlicht: (2025)

Algorithms and Differential Game Representations for Exploring Nonconvex Pareto Fronts in High Dimensions
von: Liu, Shanqing, et al.
Veröffentlicht: (2026)

Leveraging Operator Learning to Accelerate Convergence of the Preconditioned Conjugate Gradient Method
von: Kopaničáková, Alena, et al.
Veröffentlicht: (2025)

Zero-Shot Transferable Solution Method for Parametric Optimal Control Problems
von: Li, Xingjian, et al.
Veröffentlicht: (2025)

Chebyshev Center-Based Direction Selection for Multi-Objective Optimization and Training PINNs
von: Yoon, Hoyeol, et al.
Veröffentlicht: (2026)

Global Search for Optimal Low Thrust Spacecraft Trajectories using Diffusion Models and the Indirect Method
von: Graebner, Jannik, et al.
Veröffentlicht: (2025)

Automatic selection of the best neural architecture for time series forecasting
von: Cao, Qianying, et al.
Veröffentlicht: (2025)

Learning to Solve Constrained Bilevel Control Co-Design Problems
von: Kotary, James, et al.
Veröffentlicht: (2025)

GMC-PINNs: A new general Monte Carlo PINNs method for solving fractional partial differential equations on irregular domains
von: Wang, Shupeng, et al.
Veröffentlicht: (2024)

Near-Optimal Solutions of Constrained Learning Problems
von: Elenter, Juan, et al.
Veröffentlicht: (2024)

Challenges in Training PINNs: A Loss Landscape Perspective
von: Rathore, Pratik, et al.
Veröffentlicht: (2024)

Faster Randomized Methods for Orthogonality Constrained Problems
von: Shustin, Boris, et al.
Veröffentlicht: (2021)

Functionally Constrained Algorithm Solves Convex Simple Bilevel Problems
von: Zhang, Huaqing, et al.
Veröffentlicht: (2024)

Penalty-Based First-Order Methods for Bilevel Optimization with Minimax and Constrained Lower-Level Problems
von: Shen, Yiyang, et al.
Veröffentlicht: (2026)

Rate-Optimal Regret for the Safe Learning-based Control of the Constrained Linear Quadratic Regulator
von: Hutchinson, Spencer, et al.
Veröffentlicht: (2026)

On Learning for Ambiguous Chance Constrained Problems
von: Madhusudanarao, A Ch, et al.
Veröffentlicht: (2023)

Harmonic Control Lyapunov Barrier Functions for Constrained Optimal Control with Reach-Avoid Specifications
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2023)

Fast Algorithm for Constrained Linear Inverse Problems
von: Sheriff, Mohammed Rayyan, et al.
Veröffentlicht: (2022)

First-Order Methods for Linearly Constrained Bilevel Optimization
von: Kornowski, Guy, et al.
Veröffentlicht: (2024)

A Schrödinger Eigenfunction Method for Long-Horizon Stochastic Optimal Control
von: Claeys, Louis, et al.
Veröffentlicht: (2026)

A Sinkhorn-type Algorithm for Constrained Optimal Transport
von: Tang, Xun, et al.
Veröffentlicht: (2024)

Learning Optimal Control and Dynamical Structure of Global Trajectory Search Problems with Diffusion Models
von: Graebner, Jannik, et al.
Veröffentlicht: (2024)

On PI Controllers for Updating Lagrange Multipliers in Constrained Optimization
von: Sohrabi, Motahareh, et al.
Veröffentlicht: (2024)

An Inexact Alternating Direction Method of Multipliers for Constrained Parabolic Optimal Distributed Control Problems
von: Song, Haiming, et al.
Veröffentlicht: (2026)

Learning to Solve Optimization Problems Constrained with Partial Differential Equations
von: Guven, Yusuf, et al.
Veröffentlicht: (2025)

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

Proximal Point Method for Online Saddle Point Problem
von: Meng, Qing-xin, et al.
Veröffentlicht: (2024)

Primal Methods for Variational Inequality Problems with Functional Constraints
von: Zhang, Liang, et al.
Veröffentlicht: (2024)

Learning Constrained Optimization with Deep Augmented Lagrangian Methods
von: Kotary, James, et al.
Veröffentlicht: (2024)

Deep Learning for the Multiple Optimal Stopping Problem
von: Laurière, Mathieu, et al.
Veröffentlicht: (2025)