迭代线性化控制：稳定算法与复杂度保证
最优化与控制
2019-08-22 v1
摘要
我们依据一阶优化算法的现代复杂度分析，审视了流行的基于梯度的非线性控制算法。该审视揭示，复杂度界可清晰地表述为与动态规划相关的计算预言机(oracle)的调用次数，并可使用 PyTorch 或 TensorFlow 等机器学习软件库通过梯度反向传播实现。最后，我们提出了一种正则化高斯-牛顿算法，其具有最坏情况复杂度保证，并在实践中改善了收敛行为。基于 PyTorch 的软件库已公开可用。
引用
@article{arxiv.1908.07615,
title = {Iterative Linearized Control: Stable Algorithms and Complexity Guarantees},
author = {Vincent Roulet and Siddhartha Srinivasa and Dmitriy Drusvyatskiy and Zaid Harchaoui},
journal= {arXiv preprint arXiv:1908.07615},
year = {2019}
}
备注
Short version appeared in International Conference on Machine Learning (ICML) 2019