一种用于模型预测控制的简单快速坐标下降增广拉格朗日求解器
最优化与控制
2022-09-28 v3 系统与控制
系统与控制
摘要
本文提出一种用于线性、可能为参数时变模型预测控制（MPC）问题的新型坐标下降增广拉格朗日（CDAL）求解器。在每次迭代中，利用 MPC 问题的结构，通过坐标下降（CD）求解一个增广拉格朗日（AL）子问题。CDAL 求解器具有三个主要特性：（i）无需构造，即避免显式构造与 MPC 相关的二次规划（QP）问题；（ii）无需矩阵，即避免矩阵乘法与分解；（iii）无需库，即无需任何库依赖即可简单编码，我们的实现仅需 90 行 C 代码。为提升收敛速度，CDAL 对 CD 方法采用反向循环规则，对偶变量更新采用加速 Nesterov 格式，使用简单对角预条件子，以及 CD 与 AL 方法间的高效耦合方案。我们表明，无论是在不稳定线性时不变还是线性参数时变预测模型下，CDAL 都与其他最先进方法具有竞争力。
引用
@article{arxiv.2109.10205,
title = {A Simple and Fast Coordinate-Descent Augmented-Lagrangian Solver for Model Predictive Control},
author = {Liang Wu and Alberto Bemporad},
journal= {arXiv preprint arXiv:2109.10205},
year = {2022}
}
备注
8 pages, 2 figures