不确定系统网络的分散式决策
最优化与控制
2021-06-29 v2 多智能体系统
系统与控制
摘要
分布式模型预测控制（MPC）已被证明是调节受约束动态系统大规模网络运行的成功方法。本文关注合作式分布式MPC，其中系统的决策动作通常由全系统优化问题的解导出。然而，构建和求解此类大规模优化问题通常是一项艰巨的任务，需要在各个系统之间进行大量的信息通信，并且无法解决网络中的隐私问题。因此，主要挑战在于设计具有预定结构的决策策略，使得由此产生的全系统优化问题具有松散耦合的结构，并适用于分布式计算算法。在本文中，我们提出了一种分散式问题综合方案，该方案仅要求每个系统向相邻系统通信其状态演化的边界集合。所提出的方法缓解了隐私方面的担忧，因为这种有限的通信方案不会泄露每个系统内部动态的精确特征。此外，它支持解的分布式计算，使我们的方法具有高度可扩展性。我们在多个受工程和金融启发的数值研究中展示了所提方法的有效性，该方法得到的解与集中式公式得到的解非常接近，但计算量仅为其一小部分。
引用
@article{arxiv.1803.07660,
title = {Decentralized decision making for networks of uncertain systems},
author = {Georgios Darivianakis and Angelos Georghiou and John Lygeros},
journal= {arXiv preprint arXiv:1803.07660},
year = {2021}
}