自触发时变凸优化
最优化与控制
2016-03-30 v1
摘要
本文提出一种自触发算法，用于求解一类具有时变目标函数的凸优化问题。已知最优解的轨迹可以通过连续时间状态更新律渐近跟踪。然而，实现这一点需要连续评估目标函数的梯度和逆Hessian矩阵，这不利于数字实现。作为替代，我们从自触发控制中获得灵感，提出一种策略，自主调整其关于目标函数进行计算的时刻，从而产生分段仿射状态更新律。该算法通过使用目标函数高阶导数已知的上界来预测梯度的时间演化。我们提出的方法保证在有限时间内收敛到最优轨迹的任意小邻域，且不会出现Zeno行为。我们通过数值模拟说明了我们的框架。
引用
@article{arxiv.1603.08593,
title = {Self-Triggered Time-Varying Convex Optimization},
author = {Mahyar Fazlyab and Cameron Nowzari and George J. Pappas and Alejandro Ribeiro and Victor M. Preciado},
journal= {arXiv preprint arXiv:1603.08593},
year = {2016}
}