用于非凸协同分布式模型预测控制的改进分层 ADMM

分布式优化常作为有吸引力且受青睐的方法论被广泛尝试与创新，以局部协调方式有效求解大规模问题。因此值得注意的是，分布式模型预测控制（DMPC）方法论已成为在多智能体系统决策等任务中取得有效成果的有前景途径。然而，此类分布式 MPC 框架的典型部署会涉及带大量非凸约束的非线性过程。为解决这一重要问题，本文提出并创新了一种分层三块交替方向乘子法（ADMM）途径，以求解多智能体系统中的非凸协同 DMPC 问题。首先引入附加松弛变量转化原始大规模非凸优化问题；随后利用包含由增广拉格朗日法（ALM）的外循环迭代与三块半邻近 ADMM 的内循环迭代的分层 ADMM 求解所得转化后的非凸优化问题。此外，解析地证明并确立了算法收敛至所需平稳点的存在性。最后，采用带障碍法的近似优化阶段进一步显著提升计算效率，得到最终改进分层 ADMM。所提方法在性能与计算效率上的有效性通过多无人机（UAVs）决策过程的协同 DMPC 问题得以展示。