面向城市铁路系统的基于学习的模型预测控制列车调度状态约化方法
系统与控制
2025-04-30 v1 系统与控制
最优化与控制
摘要
本文提出一种用于城市铁路系统中基于学习的模型预测控制（MPC）的列车调度状态约化方法。该状态约化方法融入控制框架，其中离散决策变量由基于学习的分类器确定，连续决策变量由MPC计算。本文为控制框架的各个组成部分分别设计了状态表示。学习阶段采用约化状态，而MPC阶段使用完整状态。大规模列车网络上的仿真结果表明，状态约化机制在提高性能和降低内存使用方面均显著有效。
引用
@article{arxiv.2504.20233,
title = {A state reduction approach for learning-based model predictive control for train rescheduling},
author = {Caio Fabio Oliveira da Silva and Xiaoyu Liu and Azita Dabiri and Bart De Schutter},
journal= {arXiv preprint arXiv:2504.20233},
year = {2025}
}