基于谱图论方法的机器人定位网络鲁棒性提升
系统与控制
2024-09-25 v1 系统与控制
最优化与控制
谱理论
摘要
本文致力于通过最大化代数连通性来优化加权网络，从而增强网络鲁棒性。受精确机器人位置估计在协作定位和姿态图稀疏化（SLAM）中需求的启发，代数连通性最大化问题被形式化为混合整数半正规划问题（MISDP），该问题为 NP-hard。利用谱图论方法，特别是 Cheeger 不等式，本文引入新型 Cheeger 割，以强化并高效求解中等规模的 MISDP。进一步，本文开发了一种新的混合整数线性规划（MILP），用于高效计算 Cheeger 割，并集成于求解 MISDP 的外逼近算法中。还提出了一种贪心 k-opt 启发式方法，产生高质量解作为 Cheeger 割的有效下界。综合数值分析表明，通过强化割的做法在合成数据和真实机器人定位数据集上显著提升了运行时间。
引用
@article{arxiv.2409.15506,
title = {Spectral Graph Theoretic Methods for Enhancing Network Robustness in Robot Localization},
author = {Neelkamal Somisetty and Harsha Nagarajan and Swaroop Darbha},
journal= {arXiv preprint arXiv:2409.15506},
year = {2024}
}
备注
63rd IEEE Conference on Decision and Control (CDC)