基于不完全测量的分布式 Koopman 学习
系统与控制
2025-10-06 v2 系统与控制
摘要
Koopman 算子理论已成为用于系统识别的强大工具，尤其是用于逼近非线性时不变系统（NTIS）。本文考虑一组观察能力有限的代理人协作估计 NTIS 的动力学。通过将 Koopman 算子理论、深度神经网络和基于共识的协调集成，开发了一种分布式深度 Koopman 学习算法。在提出的框架中，每个代理人使用其部分测量值和与邻居交换的提升状态来逼近系统动力学。这种合作方案使即使在单个代理人缺乏完整状态信息的情况下，也能够准确重建全局动力学。来自 OpenAI Gym 的月球着陆环境中的仿真结果表明，所提方法的性能相当于具有完整状态访问的集中式深度 Koopman 学习。
引用
@article{arxiv.2409.11586,
title = {Distributed Koopman Learning with Incomplete Measurements},
author = {Wenjian Hao and Lili Wang and Ayush Rai and Shaoshuai Mou},
journal= {arXiv preprint arXiv:2409.11586},
year = {2025}
}