带加性高斯噪声联合机会约束规划的一种解析安全近似
最优化与控制
2019-03-05 v1
摘要
我们提出一种联合机会约束规划的安全近似，其中约束函数加性依赖于一个正态分布随机向量。该近似是解析的，意味着既不需要数值积分也不需要基于采样的概率近似。在温和假设下，该近似是一个标准非线性规划。我们通过两个代表线性高斯-马尔可夫模型约束控制的例子，将这一新的安全近似与基于布尔不等式的另一解析安全近似进行比较。结果表明，相较于基于布尔不等式的近似，我们所提安全近似具有更低的保守度。
引用
@article{arxiv.1903.00643,
title = {An analytical safe approximation to joint chance-constrained programming with additive Gaussian noises},
author = {Nan Li and Ilya Kolmanovsky and Anouck Girard},
journal= {arXiv preprint arXiv:1903.00643},
year = {2019}
}
备注
7 pages, 3 figures