基于 Wasserstein 度量匹配的高维最优密度控制
最优化与控制
2023-07-26 v1
摘要
我们提出了一种用于高维状态空间中密度控制的新计算框架。所考虑的动力学系统由大量不可区分的智能体组成，其行为可整体建模为随时间演化的概率分布。目标是以最小代价在固定时间范围内将智能体从初始分布引导至（或逼近）给定目标分布。为处理该问题，我们提议将漂移建模为非线性降阶模型（如深度网络），并在终端时刻使用 Wasserstein 度量严格或近似地强制与目标分布匹配。所得到的鞍点问题可通过一种有效数值算法求解，该算法利用了深度网络优异的表示能力及针对这一高维控制难题的快速自动微分。我们进行了多种数值实验以展示方法的性能。
引用
@article{arxiv.2307.13135,
title = {High-dimensional Optimal Density Control with Wasserstein Metric Matching},
author = {Shaojun Ma and Mengxue Hou and Xiaojing Ye and Haomin Zhou},
journal= {arXiv preprint arXiv:2307.13135},
year = {2023}
}
备注
8 pages, 4 figures. Accepted for IEEE Conference on Decision and Control 2023