DiscoverDCP：基于符号回归构建约束凸规划的数据驱动方法

Sveinung Myhre

DiscoverDCP：基于符号回归构建约束凸规划的数据驱动方法

机器学习 2025-12-19 v1 人工智能系统与控制系统与控制最优化与控制

作者: Sveinung Myhre

摘要

我们提出了DiscoverDCP，一个数据驱动框架，将符号回归与约束凸规划（DCP）的规则集合集成，用于系统识别。通过强制所有发现的候选模型表达式遵循DCP组成规则，确保输出表达式在构建时即为全局凸，从而规避事后凸性验证的计算不可行过程。该方法允许发现具有更宽松且准确函数形式的凸替代品，而不仅仅是传统固定参数凸表达式（如二次函数）。该方法产生可解释、可验证且灵活的凸模型，适用于安全关键控制和优化任务。

关键词

符号回归约束凸规划 DCP 系统识别凸替代品

引用

@article{arxiv.2512.15721,
  title  = {DiscoverDCP: A Data-Driven Approach for Construction of Disciplined Convex Programs via Symbolic Regression},
  author = {Sveinung Myhre},
  journal= {arXiv preprint arXiv:2512.15721},
  year   = {2025}
}

备注

6 pages, 2 figures. Code available at https://github.com/svemyh/DiscoverDCP

DiscoverDCP：基于符号回归构建约束凸规划的数据驱动方法

摘要

关键词

引用

备注

相关论文