Space mapping-based Receding Horizon Control for Stochastic Interacting Particle Systems: dogs herding sheep
随机相互作用粒子系统的控制是一个非平凡的任务，由于问题的高维性和缺乏快速算法。在这里，我们提出了一个基于空间映射的近似的随机控制问题的解决方案的确定性。结合滚动时域控制技术，给出了随机相互作用粒子系统闭环控制的一种可靠而快速的数值方法。作为一个数值例子，我们考虑牧羊犬。数值结果强调了我们的方法的可行性，并进一步显示稳定的行为的闭环控制。
2020-05-05 math.OC
Receding Horizon Control Based Consensus Scheme in General Linear Multi-agent Systems
在最优化框架下研究了一般线性多智能体系统的一致性问题。提出了一种新的分布式滚动时域一致性控制策略。我们表明，无约束分布式RHC产生的共识协议可以表示在一个明确的形式。在此基础上，给出了保证一致性的充要条件.此外，我们指定了更详细的共识条件的多智能体系统的一般和一维线性动力学依赖于不同的Riccati方程（DREs），分别。最后，通过两个实例验证了所提出的方案和相应的理论结果。
2014-06-24 math.OC
On the Turnpike Property and the Receding-Horizon Method for Linear-Quadratic Optimal Control Problems
具有非常大时间范围的最优控制问题可以用滚动时域控制（RHC）方法来解决，该方法包括求解一系列具有小预测范围的最优控制问题。本文的主要结果是证明了由RHC方法产生的控制对问题的精确解的指数收敛性（相对于预测时域）。建立了一类具有积分代价和时间无关动态的无穷维线性二次型最优控制问题的结果。这样的问题满足收费公路性质：最佳轨迹保持在大部分时间非常接近相关的静态最优化问题的解决方案。具体的终端费用函数，来自与静态最优化问题的拉格朗日乘子，采用在RHC方法的实施。
2020-01-31 math.OC
The Effect of the Terminal Penalty in Receding Horizon Control for a Class of Stabilization Problems
滚动时域控制（RHC）策略包括用一系列有限时域最优控制问题代替无限时域稳定问题，这些问题在数值上更容易处理。动态规划原理确保了如果有限时域问题用精确值函数作为终端罚函数来公式化，则RHC方法生成最优控制。本文讨论的情况下，终端费用函数被选为截断泰勒近似的价值函数。主要结果是差错率估计的控制产生这样的方法，当与最优控制。所获得的估计是相同的顺序作为所采用的泰勒近似，并减少在指数率相对于预测范围。为了说明这种方法，本文着重讨论了无限维希尔伯特空间中的一类双线性最优控制问题。
2019-06-05 math.OC
Nonlinear stochastic receding horizon control: stability, robustness and Monte Carlo methods for control approximation
本文研究了非线性随机滚动时域控制的稳定性问题，当最优控制器仅近似计算时。一些一般类的控制器逼近误差进行了分析，包括确定性和概率误差，甚至控制器的采样和保持误差。在每种情况下，它示出的控制器逼近误差不积累（即使在一个无限的时间框架）和过程指数收敛到一个小的邻域的起源。在此基础上，提出了一种基于Monte Carlo模拟的滚动时域最优控制的近似方法。这种方法是通过Feynman-Kac公式推导出来的，该公式给出了与真正的最优控制器相关联的Hamilton-Jacobi-Bellman方程的解的随机解释。它示出，这是本研究的主要动机，这种特殊的控制器近似方法实际上稳定的基本非线性过程。
2018-11-30 math.OC
Robust Data-Driven Receding-Horizon Control for LQR with Input Constraints
本文提出一种鲁棒数据驱动滚动时域控制框架，用于带输入约束的离散LQR，利用执行数据降低保守性，扩展半定规划并借助对偶性提供正式鲁棒稳定性保证。
2025-10-07 math.OC
Real-Time Non-Linear Receding Horizon Control Methodology for Estimation of Time-Varying Parameters
在控制和工程领域，模型通常包含许多未知或粗略已知的参数。这些参数的完整知识对于描述和分析系统的动态特性至关重要。提出了一种基于实时非线性滚动时域控制策略的非线性系统未知时变参数估计新方法。为此，将估计问题转化为最优化问题，用后向扫描Riccati法求解。方法实施两个非线性的例子，没有提供任何参考的参数。结果表明，该算法能够有效地估计出非线性系统的未知时变参数。
2015-01-29 math.OC
Nonlinear Consensus Strategies for Multi-Agent Networks in Presence of Communication Delays and Switching Topologies: Real-Time Receding Horizon Approach
本文提出了一种新的框架，它结合了非迭代解决方案的实时非线性滚动时域控制（NRHC）方法，以实现复杂的网络拓扑结构与现有的时间延迟和存在的开关拓扑结构的共识。在这个公式中，我们直接解决多智能体网络系统的分布式非线性最优化问题，\emph{in real-time}，没有任何依赖于迭代过程，其中的稳定性和收敛性保证提供的解决方案。非线性混沌系统的三个基准例子提供了验证结果，证明了这种方法的显着成果。
2016-01-15 math.OC
An Optimization-Based Receding Horizon Trajectory Planning Algorithm
针对非结构化、复杂环境下的动力系统，提出了一种基于优化的滚动时域轨迹规划算法。所提出的方法是一个两步的过程，在第一步中使用的运动规划算法，以有效地找到一个可行的，但可能是次优的，名义上的解决方案的轨迹规划问题，特别是组合方面的问题得到解决。然后在第二基于优化的滚动时域规划步骤中改进所得到的标称轨迹，该步骤在滑动时间窗口上执行局部轨迹细化。在第二步中，名义轨迹被用于在一个新的方式来表示终端流形，并获得成本去在线上的上界。这使得能够在递归可行性、目标函数值和收敛到期望的终态方面提供理论保证。所建立的理论保证和所提出的算法的性能进行了验证，在一组具有挑战性的卡车和拖车系统的轨迹规划方案。
2019-12-11 math.OC
A Safety-Prioritized Receding Horizon Control Framework for Platoon Formation in a Mixed Traffic Environment
在混合交通环境中，由于存在具有未知动力学和控制动作的人类驾驶车辆（HDV），因此具有连接和自动车辆（CAV）的排编队构成了重大挑战。在本文中，我们开发了一个安全优先的滚动时域控制框架，用于创建排的HDV之前的CAV。我们的框架，确保间接控制以下HDV直接控制领先的CAV给定的安全约束。该框架利用基于递归最小二乘算法和恒定时间车头时距相对速度车辆跟驰模型的数据驱动预测模型来预测人类驾驶车辆的未来轨迹。为了证明所提出的框架的有效性，我们进行数值模拟，并提供相关的可扩展性，鲁棒性和性能分析。
2023-02-22 math.OC
A successive convexification approach for robust receding horizon control
提出一种基于连续凸化和凸函数差表示的鲁棒非线性模型预测控制策略，通过构造管域处理扰动与近似误差，保证约束满足、递归可行性与闭环稳定性。
2025-01-27 math.OC
On the Stability of Receding Horizon Control for Continuous-Time Stochastic Systems
University of Leicester（莱斯特大学）
研究连续时间非线性随机微分方程的后退时域控制的稳定性，并通过模拟示例展示其在债务偿还投资策略设计中的应用。
2012-08-19 cs.SY eess.SY math.OC
Receding Horizon Differential Dynamic Programming Under Parametric Uncertainty
广义多项式混沌（gPC）理论由于其传播不确定性演化的能力，已被广泛用于表示系统中的参数不确定性。在最优控制的背景下，gPC可以与几种优化技术相结合，以实现有效处理这种类型的不确定性的控制策略。这样一种合适的方法是微分动态规划（DDP），导致一种算法，该算法继承了高维系统的可扩展性和后者的快速收敛性质。在本文中，我们扩展了这种组合，旨在获得概率保证的非线性约束的满意度。特别是，我们利用gPC的能力，表达高阶矩的不确定性分布-没有任何高斯假设-我们将机会约束，导致表达式涉及的状态协方差。此外，我们证明，通过实施我们的算法在一个滚动时域的方式，我们能够计算控制策略，有效地减少积累的轨迹上的不确定性。我们的方法的适用性进行了验证，通过仿真结果的差分轮式机器人和四旋翼，执行避障任务。
2021-10-01 math.OC
Dynamic modeling of enzyme controlled metabolic networks using a receding time horizon
微生物已经发展出复杂的调节功能，控制它们的反应和内部适应不断变化的环境。在对这些生物体建模时，我们通常没有充分理解调节，而是依赖于用生物学上合理的目标函数用最优化问题来代替它。由此产生的基于约束的方法，如通量平衡分析（FBA）和资源平衡分析（RBA）已被证明是预测固定环境的增长率，副产品和途径使用的强大工具。在这项工作中，我们专注于动态酶成本通量平衡分析（deFBA），它动态地模拟环境，生物质产品及其组成，并包含基于酶能力的反应速率约束。我们扩展了原来的deFBA形式主义，包括存储分子和生物质相关的维护成本。此外，我们提出了一种新的使用后退预测时域中使用的模型预测控制（MPC）的deFBA框架，我们称之为短期deFBA（sdeFBA）。这样，我们消除了一些数学工件所产生的配方作为一个最优化问题，并获得新的应用MPC计划。本文的一个主要贡献也是一个系统的方法来选择预测范围和识别条件，以确保解决方案呈指数增长。我们通过一个数值例子展示了使用sdeFBA与不同的视野的效果。
2018-04-04 math.OC
Simultaneous Receding Horizon Estimation and Control of a Fencing Robot using a Single Camera
Washington University in St. Louis（圣路易斯华盛顿大学）
我们提出了一种方法，同时滚动时域估计和控制的机器人手臂配备了剑在对抗的情况下。使用安装在手臂上的单个摄像头，我们解决了用机器人的剑阻挡对手的剑的问题。我们的算法使用基于模型的传感来估计对手的意图，从相机的观察，而它同时适用于控制动作，既阻止对手的剑，提高未来的相机观察。
2015-04-14 cs.RO math.OC
Control of Unknown (Linear) Systems with Receding Horizon Learning
提出了一种滚动时域学习方法，使离散动态控制系统的状态在不需要系统模型的情况下变为零。对于一类可镇定和可检测的线性定常系统，在只有输入和输出数据且状态维数上界已知的条件下，证明了全局状态收敛到零.该方案由滚动时域控制方案和基于近似的估计方案组成，用于估计和控制闭环轨迹。对线性和非线性系统进行了仿真。
2020-12-15 cs.SY eess.SY math.OC
Estimation of CD4+ T Cell Count Parameters in HIV/AIDS Patients Based on Real-time Nonlinear Receding Horizon Control
越来越多的控制技术被引入到HIV感染问题中，以探索帮助临床测试、优化药物治疗和研究耐药性情况的选择。在这种情况下，HIV模型和/或参数的完整/准确知识不仅对于监测系统的动态，而且对于相应地调整治疗都是至关重要的。在这些研究中，任何类型的未知参数的存在都会造成严重的挫折，并成为患者治疗的问题。在这项工作中，我们开发了一种实时自适应非线性滚动时域控制方法，以帮助这种情况下，估计未知的常数/时变参数的非线性HIV系统模型。为此，估计问题被更新为一系列有限时间最优化问题，这些问题可以用后向扫描Riccati方法实时求解，而无需使用任何迭代技术。仿真结果表明，该算法能够有效地估计HIV/AIDS模型的未知常数/时变参数，为一个重要的开放问题提供了一种独特的自适应求解方法。
2016-05-23 math.OC
Stabilization of Strictly Pre-Dissipative Receding Horizon Linear Quadratic Control by Terminal Costs
本文研究严格预耗散滚动时域控制中终端约束的替代问题，证明在线性二次框架下可用适当终端代价保证渐近稳定性，并获得比一般非线性情形更强的结论。
2025-01-07 cs.SY eess.SY math.OC
Linear-Quadratic Dynamic Games as Receding-Horizon Variational Inequalities
本文研究线性二次动态博弈，将开环纳什均衡转化为增广空间中的线性二次调节器，推导出代价函数显式表达，并证明滚动时域解的渐近稳定性，同时揭示其与非对称变分不等式的等价关系。
2025-07-21 cs.SY eess.SY math.OC
On receding-horizon approximation in time-varying optimal control
针对非平稳LQR问题，通过提升重构和Riccati算子收缩性，构造了仅需有限数据前瞻的稳定线性时变反馈近似，满足性能损失要求。
2023-09-05 cs.SY eess.SY math.OC
Infinite-Horizon Sparse Optimal Control: Solution through a Finite-Horizon Subproblem and Its Receding-Horizon Implementation
Nanzan University（南山大学）；Hiroshima University（广岛大学）
该研究针对无限视界稀疏最优控制问题，提出通过求解有限视界子问题结合后退视界技术实现的方法，保证了解的最优性与稀疏性，为无限视界稀疏控制提供了可行的求解途径。
2026-08-19 cs.SY eess.SY math.OC
Receding Horizon Consensus of General Linear Multi-agent Systems with Input Constraints: An Inverse Optimality Approach
在实际多智能体系统中，如何满足系统约束条件并达到最优性能的一致性协议设计是一个令人期待而又具有挑战性的问题。研究了控制输入受限的一般线性MAS的最优一致性问题。考虑了两类MAS，包括半稳定和不稳定的动态子系统。对于这两类无输入约束的MAS，首先利用逆最优性方法得到了最优一致性协议的设计结果。利用最优共识协议，滚动时域控制（RHC）的共识策略设计这两类输入约束的MAS。推导了分布式分配费用函数的条件，并在此基础上建立了分布式基于RHC的共识框架。其次，分析了闭环系统的可行性和一致性。结果表明：1）逆最优一致性协议下的最优性能指标与网络拓扑结构和子系统的系统矩阵耦合，但对于半稳定和不稳定子系统的MAS，它们是不同的; 2）子系统的不稳定模式对参数设计提出了更严格的要求; 3）所设计的基于RHC的一致性控制策略，在满足控制输入约束的前提下，保证了闭环系统在两种情况下的一致性。但对于具有半稳定子系统的MAS，可以达到{ \em收敛一致性}。最后，通过两个算例验证了所得结果的有效性.
2016-01-29 math.OC
Data-based Receding Horizon Control of Linear Network Systems
我们提出了一个分布式的基于数据的预测控制方案，以稳定的线性动力学描述的网络系统。智能体在不了解动态的情况下合作预测未来的系统演化，而是依赖于从单个样本轨迹中学习基于数据的表示。我们采用这种表示重新制定的有限时域线性二次调节器的问题作为一个网络优化与可分离的目标函数和本地可表达的约束。我们表明，从近似解决这个问题，使用分布式优化算法在滚动时域的方式所产生的控制器是稳定的。我们通过数值模拟验证了我们的结果。
2020-08-30 cs.MA cs.SY eess.SY
Detection-averse optimal and receding-horizon control for Markov decision processes
在本文中，我们考虑了一个马尔可夫决策过程（MDP），自我代理有一个名义上的目标追求，而需要隐藏其状态的检测对手。在对问题进行形式化描述之后，我们首先提出了一种数值迭代（VI）方法来求解该问题，然后为了克服“维数灾难”，从而获得更大规模问题的可扩展性，我们提出了一种滚动时域优化（RHO）方法来获得近似解。我们使用的例子来说明和比较VI和RHO方法，并显示我们的问题制定的实际应用的潜力。
2019-08-21 cs.SY eess.SY math.OC
A framework for receding-horizon control in infinite-horizon aggregative games
提出了一种新的建模框架，用于分析在无限时间范围内的聚合游戏，假设球员受到异构周期性约束。提出了一种新的聚合均衡概念，并在后退视野范式下分析了代理人的战略行为。通过离散时间多值动力系统模拟了玩家预测和实施的策略随时间的演变。通过考虑李雅普诺夫稳定性的概念和应用极限和不变性结果的集值对应，导出了必要条件的滚动地平线映射收敛到一个周期平衡的聚合对策。对于任何（可行的）初始条件都可以实现这一结果，从而确保所提出的控制框架对玩家数量和参数的实时变化的隐式自适应性。讨论了该控制策略的设计与实现，并给出了一个数据路由的分布式控制实例，通过仿真对其性能进行了评估。
2022-07-01 cs.GT cs.SY eess.SY
Stochastic receding horizon control of nonlinear stochastic systems with probabilistic state constraints
University of Delaware（特拉华大学）
针对受概率状态约束的连续时间随机非线性系统，提出一种将滚动时域参考路径设计与随机最优控制器相结合的实时可实施控制框架，并证明无控制输入约束下的闭环收敛性。
2012-11-16 cs.RO cs.SY eess.SY
Balancing Exploration for Online Receding Horizon Learning Control with Provable Regret Guarantees
我们解决的问题，同时学习和控制的在线滚动时域控制设置。考虑了具有一般费用函数和仿射约束的未知线性动力系统的控制问题。我们的目标是开发一种在线学习算法，最大限度地减少动态遗憾，这是定义为算法所产生的累积成本和最佳策略的最佳策略与系统的充分知识，费用函数和状态，并满足控制输入约束之间的差异。我们提出了一种新的方法来探索在一个在线的后退地平线设置。关键的挑战是确保滚动时域控制器产生的控制是持续激励的。我们的方法是将扰动应用到滚动时域控制器产生的控制输入，以平衡探索-开发权衡。通过探讨保证次线性后悔的条件，我们表明，所提出的控制器的性能是上界的$\tilde{\mathcal{O}}(T^{3/4})$的遗憾和累积约束违反时，控制器具有预览的费用函数的大小从一个区间到下一个翻倍的区间。
2022-11-01 cs.SY eess.SY math.OC
Event-Driven Receding Horizon Control For Distributed Persistent Monitoring in Network Systems
我们解决多代理持续监测问题定义在一组节点（目标）互连的网络拓扑。在有限的时间内评估的平均整体节点状态的不确定性的措施是通过控制代理的合作团队的运动来最小化。为了解决这个问题，我们提出了一个事件驱动的滚动时域控制方法，计算效率高，分布式和在线。所提出的控制器不同于现有的在线基于梯度的参数控制器和离线贪婪循环搜索方法，往往导致低性能的局部最优或计算密集型的集中式解决方案。在这个控制器中的一个关键的新元素是，它自动优化其规划的时域长度，从而使其参数自由。我们表明，对于在调用滚动时域控制器的每个事件中遇到的每个分布式优化问题，都可以获得显式的全局最优解。数值结果显示，与最先进的分布式在线参数控制解决方案相比，改进。
2020-10-03 cs.SY eess.SY math.OC
Receding horizon decoding of convolutional codes
卷积码的译码对编码理论提出了重大挑战。基于例如维特比解码的经典方法遭受计算上昂贵的问题，并且因此限于小复杂度的代码。基于与模型预测最优控制的类比，我们提出了一种新的卷积解码的迭代法，它比现有的算法更便宜，同时仍然提供显着的纠错能力。该算法特别适合于解码特殊类型的卷积码，例如循环卷积码。
2009-09-03 cs.IT math.IT math.OC
Stabilization of Parabolic Time-Varying PDEs using Certified Reduced-Order Receding Horizon Control
University of Konstanz（康斯坦茨大学）
针对线性时变抛物型PDE，提出基于降阶模型的有限维滚动时域控制方法，证明指数稳定性与次优性，并引入Galerkin模型降阶与后验误差分析，实现自适应控制与可计算性能界。
2026-05-26 cs.NA math.NA math.OC
Multi-Agent Receding Horizon Games Framework for Autonomous Market Participation
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
该研究针对分布式能源资源参与批发市场的痛点，提出多智能体滚动时域博弈框架，实现公平的点对点联合投标，在PJM市场应用中提升了机组利润、降低了成本与弃电率。
2026-09-01 math.OC
Event-Driven Receding Horizon Control of Energy-Aware Dynamic Agents For Distributed Persistent Monitoring
本文讨论了持续监测问题定义在网络上的一组节点（目标）需要监测的一组动态能量感知代理。我们的目标是控制代理的运动，以共同优化整体代理的能量消耗和整体节点状态的不确定性，评估在有限的时间内的利益。为了实现这些目标，我们扩展了一个既定的事件驱动的滚动时域控制（RHC）的解决方案，通过添加一个最佳的控制器，占代理运动动态和相关的能量消耗。由此产生的RHC解决方案是计算效率高，分布式和在线。最后，数值结果提供突出的改进相比，现有的RHC解决方案，使用能量不可知的一阶代理。
2021-02-25 cs.SY eess.SY math.OC
Stability for Receding-horizon Stochastic Model Predictive Control
University of California, Berkeley（加州大学伯克利分校）；Massachusetts Institute of Technology（麻省理工学院）；Technische Universität Ilmenau（伊尔梅瑙工业大学）
本文提出针对离散线性系统的时间不变概率不确定性和加性高斯噪声的随机模型预测控制方法，通过适当选择成本函数证明闭环稳定性，并利用多项式混沌进行不确定性传播。
2015-03-15 cs.SY eess.SY math.OC
Robust Receding Horizon Games with Additive Uncertainty
Indian Institute of Technology (IIT) Kharagpur（印度理工学院卡格浦尔分校）
研究多智能体驱动线性系统的滚动时域博弈，提出结合基于管的约束收紧与有限时域广义纳什均衡问题的鲁棒控制框架，保证递归可行性，利用潜在博弈结构证明状态收敛。
2026-07-07 cs.SY eess.SY math.OC
A Receding Horizon Control For General Assembly Line Balancing Problems
Carleton University（卡尔顿大学）；Leonardo S.p.A.（莱昂纳多公司）
本文提出一种基于滚动时域最优控制框架的新方法，将通用装配线平衡问题建模为混合整数非线性规划问题，通过任务与资源分配优化完成时间，经实验验证其鲁棒性与有效性。
2026-07-30 cs.SY eess.SY math.OC
Energy-Gain Control of Time-Varying Systems: Receding Horizon Approximation
The University of Melbourne（墨尔本大学）
本文研究了线性时变系统在有限滚动预测下的无限 horizon ℓ₂增益性能，提出了一种在严格收缩提升Riccati算子下，利用统一可控性和可观测性约束的控制器合成方法，通过数值示例探讨了结果的各个方面。
2026-05-21 cs.SY eess.SY math.OC
Receding-Horizon Policy Gradient for Polytopic Controller Synthesis
William E. Boeing Department of Aeronautics and Astronautics, University of Washington（华盛顿大学威廉E.波音航空航天系）；Corvinus Institute for Advanced Studies (CIAS)（科尔维努斯高级研究院）；Institute of Data Analytics and Information Systems, Corvinus University of Budapest（布达佩斯科尔维努斯大学数据分析和信息系统研究所）；Hungarian Research Network (HUN-REN)（匈牙利研究网络）
本文提出P-RHPG算法，通过张量积模型转换合成并行分布式补偿控制器，解决传统LMI方法在模型精度提高时保守性问题，采用有限地平线集成成本和逆阶段分解，保证全局最优解和线性收敛。
2026-03-31 cs.SY eess.SY math.OC
Receding Horizon Temporal Logic Control for Finite Deterministic Systems
Boston University（波士顿大学）；Eindhoven University of Technology（埃因霍温理工大学）
针对有限确定性系统，提出一种受模型预测控制启发的控制器合成框架，在满足线性时态逻辑规范的同时，通过有限时域局部优化实时奖励，并保证无限轨迹满足规范。
2012-03-13 cs.SY eess.SY math.OC
Revisiting LQR Control from the Perspective of Receding-Horizon Policy Gradient
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
该研究从滚动时域策略梯度（RHPG）视角重新审视离散时间LQR问题，给出RHPG的细粒度样本复杂度分析，验证其无需初始稳定策略即可学习近最优稳定策略，并论证了RHPG在线性控制与估计领域的普遍适用性。
2024-01-31 cs.AI cs.LG cs.SY
Transmission Neural Networks: Approximate Receding Horizon Control for Virus Spread on Networks
本文提出基于传播神经网络（TransNN）的滚动时域控制方法，用于网络病毒传播的近似最优控制，相比动态规划显著降低计算成本，且控制动作比TransNN最优控制更不保守。
2025-10-26 cs.SY eess.SY math.OC
A Hybrid Finite-Dimensional RHC for Stabilization of Time-Varying Parabolic Equations
研究了一类时变线性抛物型方程的有限维滚动时域控制镇定问题。研究了无约束滚动时域框架的稳定性和次优性。分析允许选择平方$\ell_1$ -范数作为控制成本。这导致了一个非光滑的无限时域问题，它提供了稳定的最优控制与低数量的主动执行器随着时间的推移。数值实验验证了理论结果，并说明了$\ell_1$ -和$\ell_2$ -控制成本之间的定性差异。
2019-01-08 math.OC
Receding Horizon Control and Dissipativity - Optimal Control, Games and Uncertainty
ETH Zürich（苏黎世联邦理工学院）；University of Bayreuth（拜罗伊特大学）；Delft University of Technology（代尔夫特理工大学）；Hamburg University of Technology（汉堡工业大学）
本文综述了滚动时域控制在确定性、随机、多智能体及博弈场景中的应用，以耗散性和转折点性质为统一框架，对比最优控制与博弈均衡，并总结数值方法趋势与开放挑战。
2026-09-30 cs.SY eess.SY math.OC
Hierarchical Decentralized Reference Governor using Dynamic Constraint Tightening for Constrained Cascade Systems
本文提出一种适用于约束串级系统的分级分散参考调节器。参考调速器（RG）的方法是重新制定的滚动时域策略，使一个局部滚动时域优化获得每个子系统与预先建立的预测范围。该算法不仅保证了标称的整个闭环系统没有任何约束是可恢复的，而且还满足状态和控制约束的过渡条件。此外，考虑到不可行的参考信号，任何子系统的输出局部地去最近的可行值。提出的动态约束收紧策略使用滚动时域来减少传统鲁棒RG的保守性。此外，用于计算收紧的约束和输出容许集的算法的分散实施，允许处理大规模系统。此外，提出了一组动态约束，以保持分布式最优化问题的递归可行性。算法的可行性、稳定性、收敛性和鲁棒约束满足性也得到了证明。通过模拟由三个级联夹套连续搅拌釜反应器组成的系统，验证了所提出的方法。
2020-12-18 math.OC
Stability of Finite Receding Horizon Control: A Complementary Approach
本文提出了一种补充的方法来建立稳定的有限滚动时域控制与终端成本。首先，通过旋转终端成本来定义新的增广阶段成本。然后，一个一步优化问题的基础上定义这个增广阶段的成本。研究表明，如果增广一步代价（OSVF）的值函数是控制李雅普诺夫函数，则稍加修改的模型预测控制（MPC）算法是稳定的。建议的稳定性条件是完全互补的现有终端成本为基础的MPC稳定性条件的意义上，他们是相互排斥的。通过使用这种方法，我们能够建立稳定的MPC算法与零终端成本，甚至负终端成本的特殊情况。将这种新方法与现有的MPC稳定性理论相结合，我们能够显着放宽对MPC的稳定性要求，并扩展了保证稳定性的设计空间。所提出的方法将有助于进一步缩小稳定性理论与MPC和其他基于优化的控制方法的实际应用之间的差距。
2023-01-27 cs.SY eess.SY math.OC
Event-Driven Receding Horizon Control for Distributed Estimation in Network Systems
我们考虑的问题，通过一个团队的合作代理（传感器）持续访问的节点，使估计误差协方差估计在一个有限的时间内的整体措施最小化的分布式网络的节点（目标）的状态估计。我们制定这作为一个多代理的持续监测问题，其目标是控制每个代理的轨迹定义为一个序列的目标访问和相应的停留时间在每个访问的目标进行观察。一个分布式的在线代理控制器的开发，每个代理解决了一系列的滚动时域控制问题（RHCP）的事件驱动的方式。提出了一种新的目标函数，以优化这种分布式估计过程的有效性，并在一定的假设下建立了其单峰性。此外，提出了一种机器学习解决方案，通过利用每个代理的轨迹的历史来提高这种分布式估计过程的计算效率。最后，提供了大量的数值结果表明显着的改进相比，其他国家的最先进的代理控制器。
2021-10-13 cs.SY eess.SY math.OC
Characterizing Identifiability and Generalization for Inverse Receding-Horizon Linear-Quadratic Regulator Problems
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文研究滚动时域LQR中目标推断的可辨识性，刻画唯一可辨识条件，并证明仿射包内动作一致、包外有误差上界，数值验证噪声下预测有效。
2026-09-15 cs.SY eess.SY math.OC
A New Event-Driven Cooperative Receding Horizon Controller for Multi-agent Systems in Uncertain Environments
Boston University（波士顿大学）
本文提出一种事件驱动的协作递推控制器，用于解决多智能体在不确定环境中最大化收集奖励的问题，通过减少可行控制集维度提升性能。
2014-08-29 cs.SY eess.SY math.OC
Distributed Real-Time Non-Linear Receding Horizon Control Methodology for Multi-Agent Consensus Problems
San José State University（圣何塞州立大学）
本文研究了多智能体非线性系统的一致性问题，提出了一种分布式实时非线性滚动预测控制方法，无需线性化技术，在固定有向/无向图上实现非线性多智能体系统的一致性，并通过逆向扫掠黎卡提方法将问题转化为优化问题，从而得到非迭代算法，同时进行了稳定性分析以保证收敛性，并扩展了非线性多智能体系统领导者-跟随者一致性方法。
2015-10-27 cs.SY eess.SY math.OC
Stability and performance of stochastic predictive control
IIT Bombay（印度理工学院孟买分校）；ETH Zürich（苏黎世联邦理工学院）
本文研究了在滚动时域策略下受控随机过程的稳定性与性能，通过适当选择有限时域最优控制问题中的成本函数来保证稳定性，并获得系统在滚动时域策略下以长期期望平均成本衡量的性能界限。
2013-04-19 cs.SY eess.SY math.OC
Risk-Averse Receding Horizon Motion Planning for Obstacle Avoidance using Coherent Risk Measures
本文针对不确定动力学智能体在随机动态障碍物环境中的避障问题，提出基于相干风险度量的MPC方案，并设计航点跟随算法证明其递归可行性与有限时间任务完成保证。
2023-09-28 cs.RO cs.SY eess.SY
Receding Fixed-Horizon Optimization for Near-Time-Optimal Trajectory Planning and Control
College of Artificial Intelligence, Nankai University, Tianjin 300350, PR China（人工智能学院，南开大学，天津）
针对自动驾驶车辆时间最优轨迹规划的两大挑战，提出分层凸优化框架，分解问题为短固定时域规划循环，实验显示其成功率更高、计算时间更短，可实现可靠实时近时间最优轨迹规划。
2026-08-31 cs.RO math.OC
Receding-horizon Stochastic Model Predictive Control with Hard Input Constraints and Joint State Chance Constraints
Massachusetts Institute of Technology（麻省理工学院）；University of California-Berkeley（加州大学伯克利分校）
本文研究离散时间线性系统在随机扰动、硬输入约束和联合状态机会约束下的随机优化控制，通过可解的二次锥规划计算滚动控制律，利用扰动参数化控制律并饱和扰动以满足硬约束，用Cantelli-Chebyshev不等式松弛机会约束，确保可行性并证明随机稳定性。
2015-06-28 cs.SY eess.SY math.OC
Algorithms for Finding Compatible Constraints in Receding-Horizon Control of Dynamical Systems
University of Michigan（密歇根大学）
针对非线性动态系统滚动时域控制中多约束不兼容问题，提出基于拉格朗日乘子的启发式算法识别并丢弃不兼容软约束，以保障硬约束长期满足，并通过机器人案例验证有效性。
2023-10-16 cs.RO math.OC
Projection-Based Iterative Mode Scheduling for Switched Systems
本文描述了一种调度切换系统的事件，以达到最佳性能的方法。该方法在收敛性和计算复杂性上比基于并行导数的迭代优化方法有保证，但在无穷维、整数约束的模式调度设置下。与依赖于混合整数规划的方法相比，所提出的方法不需要时间或状态的先验离散化。此外，与嵌入和松弛法相比，该算法的每次迭代返回动态可行解。一个大类的问题要求最优模式调度。本文研究了一个车辆跟踪问题和一个高维多机电网同步问题。对于电力网络的例子，单时域和滚动时域方法都可以防止网络的不稳定性，滚动时域方法在单个处理器上以接近实时的速度做到这一点。
2017-09-07 math.OC
