论数据驱动模型向控制系统的普适转化

数据科学与机器学习的进步使得非线性动力系统的建模与仿真得到显著改善。如今已能对天气、疾病模型或股市等复杂系统作出准确预测。预测方法常被宣称有助于控制，但由于系统更复杂、所需数据集更大以及建模工作量增加，具体细节往往悬而未决。换言之，自主系统的代理建模远比控制系统容易。本文提出框架 QuaSiModO（Quantization-Simulation-Modeling-Optimization），将任意预测模型转化为控制系统，从而使数据驱动代理建模的巨大进展能为控制所用。我们的主要贡献在于以自主化动力学——这会产生混合整数控制问题——来换取控制效率，从而得以使用任意现成的自主代理建模技术。随后我们通过借助混合整数优化的最新成果恢复原问题的复杂性。QuaSiModO 的优势在于数据需求随控制维度线性增长、性能保证仅依赖于所用预测模型的精度，以及求解复杂控制问题只需极少控制理论先验知识。