利用 ADMM 发掘 MPC 问题中的结构
最优化与控制
2019-05-16 v5
摘要
我们考虑一种模型预测控制（MPC）设定，其中使用交替方向乘子法（ADMM）来发掘问题的结构。我们通过将受控系统的动力学分解为虚拟子系统和虚拟输入，从而利用系统中相互作用的组件。我们引入了子系统各自的惩罚参数以及最优选择技术。此外，我们提出了一种衡量系统结构的新度量，称之为分离倾向。对于结构足够充分的系统，这种利用结构的方法具有以下特征：（i）其计算复杂度随问题规模良好缩放；（ii）高度可并行化；（iii）对当前问题高度自适应；以及（iv）即便在单线程实现下，也提升了整体性能。我们给出了级联系统的仿真研究，并将新方法与常规 ADMM 进行比较。
引用
@article{arxiv.1808.06879,
title = {ADMM for Exploiting Structure in MPC Problems},
author = {Felix Rey and Peter Hokayem and John Lygeros},
journal= {arXiv preprint arXiv:1808.06879},
year = {2019}
}
备注
Extended proofs, simulation details, and problem data is provided in ancillary files