Riccati-ZORO：面向鲁棒随机模型预测控制中内部反馈律的高效启发式在线优化算法
最优化与控制
2026-04-14 v2
摘要
我们提出了Riccati-ZORO算法，用于管道基于最优控制问题（OCP）。管道OCP预测轨迹管道，以捕获预测不确定性。该管道通过额外的后退项实现约束紧缩。这种后退显著影响性能，从而隐式定义了不确定性的成本。优化用于预测管道的反馈律可显著减少后退，但其在线计算具有挑战性。Riccati-ZORO基于启发式不确定性成本设计联合优化名义轨迹和管道。算法在两个子问题之间交替：(i) 具有固定后退的名义OCP，(ii) 针对固定名义轨迹的无约束管道OCP，优化反馈增益以最小化后退。对于管道优化，我们提出一种由名义轨迹接近约束所指示的成本函数，优先减少相应后退。我们在线性状态反馈下发展这些思想，用于椭圆形管道。在这种情况下，分解为两个子问题可将计算复杂度从O(n_x^6)显著降低到O(n_x^3)，即名义OCP的复杂度。我们在数值实验中检验该算法，并提供两个开源实现：一个在CasADi中的原型版本，以及集成到acados OCP求解器中的高性能实现。
引用
@article{arxiv.2511.10473,
title = {Riccati-ZORO: An efficient algorithm for heuristic online optimization of internal feedback laws in robust and stochastic model predictive control},
author = {Florian Messerer and Yunfan Gao and Jonathan Frey and Moritz Diehl},
journal= {arXiv preprint arXiv:2511.10473},
year = {2026}
}
备注
final revision