基于模型预测控制的V字队形
系统与控制
2020-02-24 v1 计算机科学中的逻辑
系统与控制
摘要
我们呈现近期结果，展示了将鸟群V字队形问题视为模型预测控制(MPC)问题的威力。V字队形与MPC的结合可理解为对连续空间连续时间马尔可夫决策过程(MDP)合成最优计划的问题，其目标是到达使给定代价函数最小的目标状态。首先，我们考虑ARES，一种生成最优计划(动作序列)的近似算法，该计划将MDP初态带至代价低于指定(收敛)阈值的态。ARES使用粒子群优化，对后退视界和粒子群均自适应定尺寸。受重要性分裂启发，视界长度和粒子数被选择使得至少一个粒子到达下一级状态。ARES也可视为利用自适应后退视界的模型预测控制(MPC)算法，即自适应MPC(AMPC)。我们接着提出分布式AMPC(DAMPC)，一种基于局部邻域的AMPC分布式版本。我们引入自适应邻域重定尺寸，其中邻域大小由全局系统态上评估的基于代价的Lyapunov函数决定。实验表明DAMPC可几乎与集中式AMPC表现相当，同时仅用局部信息及每步一种分布式共识形式。最后，受信息物理系统安全攻击启发，我们引入控制器-攻击者博弈(CAG)，其中控制器与攻击者两方有对抗目标。我们公式化CAG一特例称为V字队形博弈，攻击者目标为阻止控制器达成V字队形。我们展示控制器设计中的适应性如何助于克服某些攻击。
引用
@article{arxiv.2002.08955,
title = {V-Formation via Model Predictive Control},
author = {Radu Grosu and Anna Lukina and Scott A. Smolka and Ashish Tiwari and Vasudha Varadarajan and Xingfang Wang},
journal= {arXiv preprint arXiv:2002.08955},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1612.07059, arXiv:1805.07929, arXiv:1702.00290