面向带时间平均约束控制系统在线优化的原始对偶上下文贝叶斯优化
机器学习
2023-09-22 v4 最优化与控制
摘要
本文研究约束闭环控制系统的在线性能优化问题,其中目标函数与约束均为受外生时变上下文扰动影响的未知黑盒函数。提出了一种原始对偶上下文贝叶斯优化算法,在特定正则条件下相对于动态最优解实现次线性累积遗憾。此外,该算法实现零时间平均约束违反,确保约束函数的平均值满足期望约束。该方法应用于高斯过程的采样实例以及连续搅拌釜反应器参数整定问题;仿真结果表明,该方法同时提供接近最优的性能并在平均意义上保持约束可行性。这与当前最先进方法形成对比,后者在所呈现的案例研究中要么遭受较大累积遗憾,要么出现严重约束违反。
引用
@article{arxiv.2304.06104,
title = {Primal-Dual Contextual Bayesian Optimization for Control System Online Optimization with Time-Average Constraints},
author = {Wenjie Xu and Yuning Jiang and Bratislav Svetozarevic and Colin N. Jones},
journal= {arXiv preprint arXiv:2304.06104},
year = {2023}
}