Receding Horizon Games with Coupling Constraints for Demand-Side Management
分布式储能和灵活负载是确保电网稳定和稳健运行的重要工具,尽管由于广泛电气化而带来的不稳定的可再生能源发电和增加峰值负载的整合所带来的挑战。本文提出了一种基于滚动时域博弈的需求侧管理策略,这是一个闭环的滚动时域实现的游戏理论的日前规划。实际稳定性和递归约束满足的建议反馈控制策略的对称定价的假设下,使用博弈论和经济模型预测控制的工具被证明。我们的数值研究表明,所提出的方法是优于标准的开环日头实现的调峰,扰动抑制,和控制性能。
2022-06-13 cs.SY eess.SY
On the Guarantees of Minimizing Regret in Receding Horizon
遗憾最小化是连接经典最优控制和在线学习的桥梁,近年来被提出作为控制设计准则。这种竞争模式惩罚损失相对于由千里眼政策选择的最优控制行动,并允许跟踪最优性能在事后无论如何产生干扰。在本文中,我们提出了第一个滚动时域计划的基础上重复计算有限时域后悔最优政策,我们建立稳定性和安全性保证所产生的闭环系统。我们的推导结合了新的单调性特性的千里眼政策与合适的终端成分。我们证明了我们的计划是递归可行的,稳定的,它实现了有限的遗憾相对于无限地平线千里眼政策。最后,我们证明了策略优化问题可以有效地解决通过凹凸规划。我们的数值实验表明,最小化遗憾可以优于标准的滚动时域方法时,干扰不符合经典的设计假设-即使当有限的地平线规划重新计算的频率较低。
2023-06-26 cs.SY eess.SY
Receding-Horizon Nonlinear Optimal Control With Safety Constraints Using Constrained Approximate Dynamic Programming
University of Kentucky(肯塔基大学)
本文提出了一种用于非线性连续时间系统的递推最优控制方法,结合约束近似动态规划技术,通过二次有限时间积分成本函数和Riccati型差分方程,实现状态约束下的最优控制,通过仿真实验验证了其有效性。
2026-04-02 cs.SY eess.SY
Towards Closed-loop Stability of Nonlinear Receding Horizon Games
Automatic Control Lab, ETH Zürich(苏黎世联邦理工学院自动控制实验室);ETH Zürich(苏黎世联邦理工学院);Institute of Control Systems, Hamburg University of Technology(汉堡工业大学控制系统研究所)
本文研究非线性递推博弈的闭环稳定性,通过递推可行性与turnpike现象建立联系,提出闭环轨迹渐近收敛的充分条件,并通过数值实验展示闭环吸引区随时间 horizon 缩小的指数行为。
2026-05-12 cs.SY eess.SY
A Receding Horizon Approach for Simultaneous Active Learning and Control using Gaussian Processes
针对动力系统提出了一种滚动时域主动学习与控制问题,其中系统动力学模型采用高斯过程。在优化问题中的主动学习目标是由GP预测的精确条件微分熵在多个步骤之前,这是等价的GP后验协方差矩阵的对数行列式。由此产生的非凸和复杂的优化问题解决的顺序凸规划算法,利用非凸函数的一阶近似。一个自动驾驶赛车的例子的仿真结果验证,使用所提出的方法可以显着提高模型学习的数据质量,而解决时间是非常有前途的实时应用。
2021-05-11 cs.SY eess.SY
Distributed Sequential Receding Horizon Control of Multi-Agent Systems under Recurring Signal Temporal Logic
针对多智能体系统在无限时间范围内循环满足STL规范的控制问题,提出一种基于后向可达性终端条件和顺序优化的分布式滚动时域控制策略,确保递归可行性并可作为模型预测控制器在线运行。
2024-04-26 cs.SY eess.SY
Adaptive Nonlinear Control with Online Identification and Receding-Horizon Optimization
该研究提出结合滚动时域iLQR等技术的自适应非线性最优控制方案,通过AMIGO框架分三阶段计算,经多种非线性系统验证,为复杂控制场景提供有效方法。
2026-09-09 cs.SY eess.SY
Optimization of Ride Sharing Systems Using Event-driven Receding Horizon Control
提出一种事件驱动的滚动时域控制方案,用于拼车系统以最小化乘客等待与旅行时间加权和,显著降低车辆分配复杂度并实现实时实施,仿真验证其优于已知贪婪启发式方法。
2019-01-08 cs.SY eess.SY
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
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
Receding Horizon Iterative Learning Control for Continuously Operated Systems
针对不存在初始条件重置的连续操作重复系统,提出了一种迭代学习控制(ILC)方案。为了实现这一点,我们开发了一个提升的系统表示,占动态的初始条件的影响,并在多个未来的迭代动态项目。此外,我们开发了一个经济的代价函数和更新法律,认为在未来的多次迭代的性能,从而允许预测范围要大于下一次迭代。迭代的收敛性不同的初始条件和应用的输入证明和演示使用模拟伺服定位系统的测试用例。
2021-08-16 cs.SY eess.SY
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
Feasibility Enhancement of Constrained Receding Horizon Control Using Generalized Control Barrier Function
滚动时域控制(RHC)是处理最优控制问题的一种常用方法。由于状态约束的存在,基于优化的RHC经常遭受臭名昭著的不可行性问题,这大大缩小了可控状态的区域。本文提出了一种广义控制障碍函数(CBF)来扩大有约束RHC的可行域,而预测时域上只有一步约束。这种设计可以通过惩罚向约束边界移动的趋势来减少受约束的步骤。此外,广义CBF是能够处理高阶等式或不等式约束,通过扩展的约束步骤不相邻的节点。我们将这种技术应用于自动车辆控制任务。结果表明,与多步逐点约束相比,广义CBF能有效避免状态空间在更大划分下的不可行问题,计算效率也提高了14%~ 23%.
2021-02-26 cs.SY eess.SY
Receding-Horizon Games with Tullock-Based Profit Functions for Electric Ride-Hailing Markets
本文提出一种基于滚动时域博弈和修正Tullock竞赛的电动网约车充电规划机制,通过半去中心化迭代方法求解纳什均衡,有效应对动态需求与能源成本波动。
2024-08-24 cs.SY eess.SY
Stability Certificates for Receding Horizon Games
ETH Zürich(苏黎世联邦理工学院);University of British Columbia(不列颠哥伦比亚大学)
本研究针对后退时域博弈,提出适用于非势博弈的基于LMI的稳定性证明,给出解耦动态下的可扩展验证方法与代价权重调优指南,为多智能体系统控制提供稳定性保障。
2026-08-25 cs.SY eess.SY
Coordinated Receding-Horizon Control of Battery Electric Vehicle Speed and Gearshift Using Relaxed Mixed Integer Nonlinear Programming
在本文中,我们提出了一种方法,以协调滚动时域控制的车辆速度和变速器换档自动电池电动汽车(BEV),以实现提高能源效率。在BEV中引入多速变速器创造了在给定车辆速度和加速度命令下操纵电动机的操作点的机会,从而提供了进一步提高能量效率的潜力。然而,车辆速度和变速器换档的共同优化导致混合整数非线性规划(MINLP),求解这可能是非常具有挑战性的计算。在本文中,我们提出了一种新的连续松弛技术来处理这样的MINLP,使得它可以计算与传统的非线性规划求解器的解决方案。在分析其理论特性的基础上,将其应用于纯电动汽车速度与换档协调滚动时域控制的优化问题。通过仿真研究,我们表明,共同优化车速和变速器换档可以实现更大的能源效率比优化它们顺序,和建议的松弛技术可以降低在线计算成本的水平,是可用于实时实施的时间。
2021-02-17 cs.SY eess.SY
Distributed decentralized receding horizon control for very large-scale networks with application to satellite mega-constellations
针对超大规模动态解耦网络,提出计算与内存需求不随网络规模增长、仅靠局部通信并容忍时延的分布式去中心化滚动时域控制方法,并通过 Starlink 高保真星座仿真验证。
2023-10-04 cs.SY eess.SY
A Receding Horizon Framework for Autonomy in Unmanned Vehicles
在这篇文章中,我们提出了一个统一的框架,基于滚动时域技术,可用于设计三个任务(指导,导航和路径规划),这是涉及无人驾驶汽车的自主性。这个任务是解决使用模型预测控制和滚动时域估计技术,这使我们能够在设计阶段,包括物理和动态约束,从而导致最佳和可行的结果。为了证明所提出的框架的能力,我们已经使用凉亭模拟器,以驱动豺狼无人地面车辆(UGV)沿所需的路径计算的路径规划任务。我们所得到的结果是成功的,因为估计和引导误差很小,Jackal UGV能够令人满意地遵循期望的路径,并且还能够避开障碍物。
2019-10-08 cs.SY eess.SY
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
Receding-Horizon Maximum-Likelihood Estimation of Neural-ODE Dynamics and Thresholds from Event Cameras
Graduate School of Engineering, The University of Osaka(大阪大学大学院工学研究科);Faculty of Engineering, Information and Systems, University of Tsukuba(筑波大学理工学群)
本文提出基于事件相机数据的递推最大似然估计方法,用于估计神经ODE动态和对比度阈值,通过递推窗口进行梯度步骤更新,并利用蒙特卡洛采样近似补偿积分。
2026-04-03 cs.SY eess.SY
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 Optimization for Disturbance-aware Predictive Control of Power Electronic Inverters
提出了一种基于滚动优化方法的DC-AC逆变器扰动感知预测控制策略。首先,一个离散的事件驱动的混合自动机模型已被构造的非线性逆变器系统的动态。提出了一个无限离散状态空间转移序列优化的控制问题。采用滚动优化方法对离散优化问题进行在线分段求解。为此,提出了扰动感知的自适应控制,利用在线递推最小二乘(RLS)算法对外界扰动进行采样和估计。阐述了传统的PWM控制方案是所提出的控制方案的一个子集,并给出了它们之间的代码转换。通过增加额外的PWM约束的建议的控制策略,最优PWM控制模式(OPCM)作为一个例子。所提出的控制器可以自由地运行在原始的最优离散控制模式(ODCM)和OPCM。数值仿真结果表明,所提出的离散控制策略实现了DC-AC逆变抗负载漂移的扰动感知自适应控制,且ODCM的控制性能优于OPCM。此外,所提出的建模和控制框架具有支持其他形式的控制模式的潜力。
2020-12-22 cs.SY eess.SY
Robust Control Co-Design with Receding-Horizon MPC
本文提出将鲁棒模型预测控制嵌入控制协同设计内环,以飞机热管理系统为例验证其既能匹配开环基准设计,又能在扰动变化下实现鲁棒在线运行。
2023-04-16 cs.SY eess.SY
Receding Horizon Games for Modeling Competitive Supply Chains
本文提出基于博弈论与模型预测控制的滚动时域博弈方法,将制造商建模为理性主体,通过开环广义纳什均衡与滚动重规划形成近似闭环策略,数值模拟验证其在需求冲击等场景下的可行性与经济可解释性。
2024-08-21 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
Scheduling Battery-Electric Bus Charging under Stochasticity using a Receding-Horizon Approach
本文针对电池电动公交车充电调度问题,提出一种基于混合整数线性规划的分层滚动时域规划方法,结合分时电价与需量成本及非线性部分充电模型,在随机环境下实现最高52%的成本节省并提升鲁棒性。
2024-08-07 cs.SY eess.SY
Receding Horizon Multi-Agent Deceptive Path Planner
Lehigh University(利哈伊大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出基于玻尔兹曼分布的多智能体欺骗路径规划框架,通过短时域轨迹计算实现动态欺骗与约束适应,支持在线调整以应对环境变化。
2026-09-24 cs.SY eess.SY
An indirect computational procedure for receding horizon hybrid optimal control
K. N. Toosi University of Technology(K.N.托基斯理工大学)
本文基于间接方法研究了有限时间 horizon 混合最优控制问题,该问题是递推最优控制(模型预测控制)的核心要素。混合系统的响应由离散序列和连续时间轨迹组成。给定成本函数,通过最近的混合最大原理结果,可以利用离散序列计算最优连续轨迹。在仿射混合系统的情况下,这些计算归结为求解代数方程组。然后提出了一种分支限界算法,通过迭代离散序列来确定离散和连续控制输入。证明了在选定的成本函数满足某些条件时,该算法能在有限步骤内找到正确解。通过案例研究与现有主要方法的比较,展示了所提方法的效率。
2020-09-23 cs.SY eess.SY
A Receding Horizon Reinforcement Learning Framework for Campus Chiller Energy Management - A case study from an Australian University
The University of Queensland(昆士兰大学)
针对澳大利亚某大学校园HVAC系统的能源管理问题,提出基于PPO的滚动时域强化学习调度框架,相比传统规则控制最高可节约28%的冷水机组用电。
2025-11-18 cs.SY eess.SY
Minimum Attention Control (MAC) in a Receding Horizon Framework with Applications
针对控制输入变化最小化的需求,本文在滚动时域框架下结合零范数约束与阶段代价,提出具有解析内层解的交替最小化MAMPC算法,经两类动态系统验证,可实现稀疏控制动作,且与标准MPC相比存在跟踪误差的权衡。
2025-07-30 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
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
Suboptimality analysis of receding horizon quadratic control with unknown linear systems and its applications in learning-based control
Massachusetts Institute of Technology(麻省理工学院);Delft University of Technology(代尔夫特理工大学);ETH Zurich(苏黎世联邦理工学院)
本文分析未知线性系统中名义滚动时域 LQ 控制器的次优性,通过 Riccati 差分方程扰动结果给出性能上界,并据此为学习型控制提供样本复杂度与遗憾保证,指出自适应预测时域有助于遗憾最小化。
2025-06-28 cs.LG cs.SY eess.SY
Meta-Learning Guarantees for Online Receding Horizon Learning Control
在本文中,我们提供了可证明的遗憾保证在线元学习滚动时域控制算法在迭代控制设置。我们考虑的设置,在每一次迭代中的系统被控制是一个线性确定性系统,是不同的和未知的,在迭代中的控制器的成本是一个一般的附加代价函数和仿射控制输入约束。通过分析次线性后悔可实现的条件,证明了元学习在线滚动时域控制器实现了控制器代价的动态后悔平均值,即$\tilde{O}((1+1/\sqrt{N})T^{3/4})$与迭代次数$N$。因此,我们表明,迭代中学习的最大遗憾会随着更多迭代的经验而改善,并保证改进率。
2022-11-01 cs.LG cs.SY eess.SY
Hierarchical Defense in Leader-Defender-Attacker Games: Nested Equilibria and Receding-Horizon Control
Zhejiang University(浙江大学);Beijing Institute for General Artificial Intelligence (BIGAI)(北京通用人工智能研究院);Shandong University(山东大学)
本文提出领导者-防御者-攻击者博弈的嵌套均衡概念,推导仿射控制律与获胜区域,并用滚动时域算法实现,数值实验验证了预测时域的影响及与独立控制基线的差异。
2026-10-08 cs.SY eess.SY
Online and Offline Space-Filling Input Design for Nonlinear System Identification: A Receding Horizon Control-Based Approach
针对非线性系统辨识输入设计忽略泛化误差的问题,提出嵌入距离型最优准则的RHC框架输入设计方法,支持在线离线场景,空间填充探索效率优于现有方法。
2025-08-04 cs.SY eess.SY
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
Exploring the Impacts of Power Grid Signals on Data Center Operations using a Receding-Horizon Scheduling Model
数据中心(DC)可以通过帮助吸收可再生能源(例如,风能和太阳能),因为它们能够在空间和时间上转移电力负载。然而,为了利用这种负荷转移的灵活性,有必要了解电网信号(碳信号和市场价格/负荷分配)如何影响DC操作。这里出现的一个障碍是缺乏计算易处理的DC操作模型,该模型可以捕获在DC和电网的接口处出现的目标、约束和信息流。为了解决这一差距,我们提出了一个后退地平线资源管理模型(混合整数规划模型),捕获DC调度程序和网格之间的资源管理层,同时占逻辑约束,不同类型的目标,并预测传入的工作配置文件和可用的计算能力。我们使用我们的模型来进行基于Microsoft Azure和MISO的公共数据的广泛案例研究。我们的研究表明,DC可以提供显着的时间负荷转移的灵活性,从而减少碳排放和峰值需求收费。模型和案例研究以易于使用的Julia代码形式共享。
2022-12-14 cs.SY eess.SY
Optimal Placement and Sizing of Distributed Battery Storage in Low Voltage Grids using Receding Horizon Control Strategies
ETH Zurich(苏黎世联邦理工学院)
本文提出利用Benders分解技术结合滚动预测控制策略,解决低压电网中分布式电池储能的最优布置与容量问题,通过较长的预测 horizon 提高储能策略效果,同时降低计算复杂度。
2017-08-25 cs.SY eess.SY
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
Receding Horizon Control in Deep Structured Teams: A Provably Tractable Large-Scale Approach with Application to Swarm Robotics
在本文中,一个深结构化的跟踪问题,大量的决策者。该问题被表述为一个线性二次深度结构团队,其中决策者希望在考虑局部目标的同时合作跟踪全局目标。对于无约束的设置,规范变换技术被用来分解所产生的优化问题,以获得一个低维的最优控制策略的局部和全局Riccati方程。然而,对于约束的情况下,可行集不一定是可分解的规范变换。为了克服这一障碍,我们提出了一个家庭的本地和全球滚动时域控制问题,其中精心构造的线性组合的解决方案提供了一个可行的解决方案,为原来的约束问题。上述解决方案的突出特性是,它们相对于决策者的数量是易处理的,并且可以以分布式方式实现。此外,主要结果被推广到多个子种群和多特征的情况下,包括领导者-追随者设置,内聚代价函数和软结构约束。此外,根据扰动影响因素提出了一类网络物理攻击。一个数值例子来证明结果的有效性。
2021-10-20 cs.SY eess.SY
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
Human-Like Trajectories Generation via Receding Horizon Tracking Applied to the TickTacking Interface
Gran Sasso Science Institute(格兰萨索科学研究所);IMT School for Advanced Studies Lucca(卢卡高等研究学院);University of Milan(米兰大学)
本文通过递推视界方法在TickTacking界面中生成类人轨迹,通过分析用户行为特征提升人机交互的直观性和效率。
2026-02-19 cs.HC cs.SY eess.SY
A Fisher Information based Receding Horizon Control Method for Signal Strength Model Estimation
本文研究无线传感器网络中节点位置和通信模型参数均未知时的定位问题,提出一种基于Fisher信息的滚动时域控制方法,通过交替估计参数和优化移动路径,结合动态规划与剪枝启发式算法,在降低计算复杂度的同时显著优于基线方案。
2024-02-18 cs.SY eess.SY
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
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
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
UAV-based Receding Horizon Control for 3D Inspection Planning
KIOS Research and Innovation Centre of Excellence(KIOS卓越研究与创新中心);University of Cyprus(塞浦路斯大学)
针对受动力学与传感约束的自主UAV三维检测任务,提出滚动时域规划控制方法,通过MIP求解约束开环最优控制问题以生成检测特征点的最优轨迹。
2023-04-20 cs.RO cs.SY eess.SY
Dense Fixed-Wing Swarming using Receding-Horizon NMPC
Johns Hopkins University Applied Physics Lab(约翰斯·霍普金斯大学应用物理实验室);Johns Hopkins University Whiting School of Engineering(约翰斯·霍普金斯大学惠廷工程学院)
针对敏捷固定翼飞行器近距离蜂群飞行的避障需求,提出基于滚动时域NMPC的控制方法,结合轨迹偏离概率统计界实现鲁棒避障,经仿真与硬件实验验证,为首次在实体特技固定翼上实现近距离蜂群飞行。
2025-02-21 cs.RO cs.SY eess.SY