圖書信息
內容簡介
對 arXiv math.OC 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 100 篇論文 的細讀整理，組織為 20 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 複雜動態系統的魯棒與分佈式控制 (81.4%) — 聚焦不確定性下複雜系統（包括多智能體一致性、混合動力學與交通網絡）的魯棒優化、分佈式控制與自適應策略，應對通信約束。
- 帶結構約束的凸與隨機優化 (13.3%) — 處理凸、線性約束與隨機優化問題的算法設計與理論分析，包括雙層優化與最優控制的譜方法。
- 梯度流動力學與收斂分析 (2.1%) — 研究基於梯度的優化算法的收斂性質與全局行為，包括鏡像下降、基於控制的拉格朗日流與粒子梯度方法。
- 強化學習與深度學習整合 (1.4%) — 探索機器學習與控制論的交叉，特別是深度強化學習、連續時間強化學習與基於神經網絡的優化框架。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
