On-the-fly control of unknown nonlinear systems with sublinear regret
我们研究了数据驱动的问题,约束控制未知的非线性动力学从一个单一的正在进行的和有限的地平线轨迹。我们考虑一个一步最优控制问题的光滑,黑箱的目标,通常是一个已知的费用函数和未知的动态组合。我们研究了一种动态控制范例,即,在每个时间步,仅为所执行的控制动作提供动态的演变和成本的一阶信息。我们提出了一种基于优化的控制算法,迭代地最小化数据驱动的代理函数的未知目标。我们证明了所提出的方法会引起次线性累积遗憾(逐步次优相对于最优的一步控制器),是最坏情况下最优的一类广泛的数据驱动的控制算法。我们还提出了易于处理的重新制定的方法,可以利用现成的求解器进行有效的实现。
2022-06-22 cs.SY eess.SY math.OC
Optimal Trajectory-Planning of UAVs via B-Splines and Disjunctive Programming
针对自主式无人机在三维地形上飞行的轨迹规划问题,提出了一种有效的算法。该算法结合了凸优化、析取规划和滚动时域概念,具有计算速度快等优点。应用析取规划,以放松非凸约束的问题。此外,B样条曲线被用来表示在优化过程中应该生成的轨迹。
2018-07-09 math.OC
A Piecewise Deterministic Markov Toy Model for Traffic/Maintenance and Associated Hamilton-Jacobi Integrodifferential Systems on Networks
我们研究了无限时域中的最优控制问题,当动态属于一类特定的分段确定性马尔可夫过程约束的星形网络(受交通模型的启发)。我们采用[H. M. Soner具有状态空间约束的最优控制。二. SIAM J. Control Optim.,24(6):1110.1122,1986]证明了值函数的正则性和动态规划原理。扩展网络和Krylov的“摇动系数”方法,我们证明了值函数可以被看作是一个线性化的最优化问题集的解决方案上的一组方便的概率测度。该方法完全依赖于粘度参数。作为一个副产品,对偶制定保证值函数是点态上确界相关的Hamilton-Jacobi积分微分系统的正则子解。这确保值函数满足Perron对黏性解的(唯一)候选的preconization。最后,我们证明了同样的线性化可以通过结合经典(无约束)问题的线性化和成本惩罚。后一种方法适用于非常一般的近可行系统(可能没有进一步的可控性)和不连续成本。
2015-10-05 math.OC math.PR
A primal--dual algorithm as applied to optimal control problems
本文提出一种原始-对偶算法,用于求解无限维等式约束的最优控制问题,并成功应用于控制受限的双积分器和自由飞行机器人问题,与传统数值方法相比表现出优势。
2023-11-12 math.OC
Spontaneous Fruit Fly Optimisation for truss weight minimisation: Performance evaluation based on the no free lunch theorem
在过去的十年中,一些研究人员提出了各种优化算法用于桁架设计。没有免费的午餐定理意味着,没有优化算法适合所有的问题,因此,利益不仅是在准确性和收敛速度的算法,但也调整努力和总体规模需要达到最佳结果。后者对于计算密集型或高维问题尤其重要。Kanarachos等人在2017年提出的基于对比度的果蝇优化算法(c-FOA)是基于果蝇通过嗅觉和视觉对比度进行食物觅食的效率。建议的自发果蝇优化(S-FOA)增强了C-FOA,并通过提出标准参数和精益总体规模用于所有优化问题来解决非线性优化算法中的困难。六个基准问题进行了研究,以评估性能的s-FOA。从文献和其他调查技术得到的结果的比较表明,在桁架优化算法的能力和鲁棒性。
2020-08-05 cs.CE math.OC
Multi-UAV Interference Coordination via Joint Trajectory and Power Control
在本文中,我们考虑了一个无人机使能互扰信道(UAV-IC),其中每个$K$无人机与其相关的地面终端(GT)在同一时间和相同的频谱进行通信。为了利用新的自由度的无人机的移动性之间的干扰协调的UAV-GT链路,我们制定了一个联合轨迹和功率控制(TPC)的问题,最大化的总和速率的UAV-IC为一个给定的飞行间隔,在无人机的飞行速度,高度,以及避免碰撞的实际约束。这些约束耦合了跨不同时隙和UAV的TPC变量,导致具有挑战性的大规模和非凸优化问题。通过利用问题的结构,我们表明,最佳TPC解决方案遵循飞-悬停-飞的策略,基于此问题可以处理,首先找到一个最佳的悬停位置,然后解决一个降维TPC问题与给定的初始和悬停位置的无人机。对于简化的TPC问题,我们提出了一个逐次凸逼近算法。为了提高计算效率,我们进一步开发了一个并行TPC算法,是有效地实现在多核CPU。我们还提出了一个{segment-by-segment method} %虚拟航点模型,该模型将TPC问题分解为连续的TPC子问题,每个子问题具有较小的问题维度。仿真结果表明,所提出的算法的优越的计算时间效率,也表明,无人机-IC可以产生更高的网络和速率比基准正交计划。
2018-09-15 math.OC
On-The-Fly Control of Unknown Smooth Systems from Limited Data
我们调查的问题,数据驱动,在飞行控制系统与未知的非线性动态数据只有一个有限的地平线轨迹和可能的侧信息的动态。这样的辅助信息可以包括动态的规律性、状态的单调性或状态之间的动态的解耦的知识。具体来说,我们开发了两个算法,$\texttt{DaTaReach}$和$\texttt{DaTaControl}$,过近似的可达集和设计控制信号的系统上飞。$\texttt{DaTaReach}$构造包含未知向量场的微分包含。然后,它计算基于区间泰勒的方法应用于微分包含动态系统的可达集的过近似。$\texttt{DaTaControl}$使用计算的过近似和滚动时域控制框架实现基于凸优化的近最优控制。我们提供了一个约束,其次优,并表明,更多的数据和侧信息,使$\texttt{DaTaControl}$,以实现更严格的次优界限。最后,我们证明了$\texttt{DaTaControl}$的有效性超过现有的方法控制的问题上的单旋翼和四旋翼系统。
2021-03-22 cs.SY eess.SY math.OC
Decomposed resolution of finite-state aggregative optimal control problems
针对大量独立智能体通过聚合项耦合的有限状态最优控制问题,提出基于Stochastic Frank-Wolfe算法的分解方法,每次迭代仅需求解单智能体小规模问题,在非凸条件下仍能收敛到近似最优解,并通过电池车队充电管理模型验证。
2023-07-07 math.OC
Parameters for the best convergence of an optimization algorithm On-The-Fly
VU Univeristy Amsterdam(阿姆斯特丹自由大学)
真正激发我兴趣的是,即使目标公式没有显着差异,某些参数如何更好地执行和优化算法收敛。因此,研究问题是:“哪些参数提供了一个最高的最佳收敛解决方案的目标公式使用的飞行方法?”这项研究是在一个实验的概念,其中五个不同的算法进行了测试,不同的目标函数,以发现哪个参数会导致最好的收敛。为了找到正确的参数,应用了一种名为“on-the-fly”的方法。我用五种不同的优化算法进行了实验。其中一个测试运行表明,每个参数对主观函数的收敛精度都会增加或减少,这取决于您选择的特定优化算法。每个参数具有朝向主观函数的递增或递减的收敛精度。其中一个结果,其中进化算法只与重组技术应用在寻找最佳优化。同时,一些结果通过组合突变或多个参数在一个测试性能中具有增加的准确性可视化。总之,每种算法都有自己的一组参数,它们的收敛性不同。这也取决于所使用的目标公式。这证实了飞行方法是寻找最佳参数的合适方法。这意味着只要学习成本率随着时间的推移而降低,就可以操作并观察过程中的效果以找到正确的参数。
2020-09-23 cs.LG cs.NE math.OC
Learning to Reach, Swim, Walk and Fly in One Trial: Data-Driven Control with Scarce Data and Side Information
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
我们开发了一个基于学习的控制算法,未知的动力系统下非常严重的数据限制。具体来说,该算法只能从一个单一的和正在进行的试验中访问流和噪声数据。它通过有效地利用各种形式的动态边信息来降低样本复杂度来实现这种性能。这种辅助信息通常来自物理学的基本定律和系统的定性性质。更确切地说,该算法近似地解决了编码系统的期望行为的最优控制问题。为此,它构造并迭代地改进了一个数据驱动的微分包含,其中包含未知的动力学向量场。在基于区间泰勒的方法中使用的微分包含使得能够过度近似系统可能达到的状态集。在理论上,我们建立了一个边界上的次优近似解的最优控制与已知的动态。我们表明,审判时间越长或更多的侧信息是可用的,更严格的约束。从经验上讲,在高保真F-16飞机模拟器和MuJoCo环境中的实验表明,尽管数据稀缺,但该算法可以提供与经过数百万次环境交互训练的强化学习算法相当的性能。此外,我们表明,该算法优于现有的技术相结合的系统辨识和模型预测控制。
2021-12-28 cs.LG cs.RO cs.SY
An Optimal Control Approach to the Persistent Monitoring Problem
Boston University(波士顿大学)
针对持久监控问题,提出一种最优控制框架,通过控制移动节点运动最小化不确定性度量,并利用无穷小扰动分析将问题简化为参数优化。
2012-02-28 cs.SY eess.SY math.OC
On-The-Fly Control of Unknown Systems: From Side Information to Performance Guarantees through Reachability
我们开发数据驱动的算法,可达性分析和控制系统的先验未知的非线性动力学。所得到的算法不仅适用于具有实时要求的设置,而且还提供可证明的性能保证。为此,他们合并噪声数据,只有一个有限的地平线轨迹,如果可用的话,各种形式的边信息。这样的辅助信息可以包括动态的规律性、对状态的代数约束、单调性或状态之间的动态解耦的知识。具体来说,我们开发了两个算法,$\texttt{DaTaReach}$和$\texttt{DaTaControl}$,过近似的可达集和设计控制信号的系统上飞。$\texttt{DaTaReach}$构造了一个包含未知动力学的微分包含。然后,在一个离散时间设置,它过近似的可达集通过区间泰勒为基础的方法应用于系统的动态微分包含。我们提供了一个边界上的时间步长,以确保正确性和终止的$\texttt{DaTaReach}$。$\texttt{DaTaControl}$使用计算的过近似和滚动时域控制框架实现基于凸优化的控制。此外,$\texttt{DaTaControl}$实现了近最优控制,适合于此类系统的实时控制。我们建立了一个界限,它的次优性和原始操作的数量,它需要计算控制值。然后,我们从理论上表明,$\texttt{DaTaControl}$实现更严格的次优性边界的数据量和丰富的边信息的增加。最后,在单旋翼、四旋翼和飞机系统上的实验证明了这两种算法在现有方法上的有效性。
2021-12-16 cs.SY eess.SY math.OC
An Optimal Control Approach for the Persistent Monitoring Problem
Boston University(波士顿大学)
提出一种最优控制框架,通过控制移动代理的运动来最小化任务空间中的不确定性度量,并利用无穷小扰动分析将问题简化为参数优化。
2011-10-05 cs.RO cs.SY eess.SY
Variational approach to rare event simulation using least-squares regression
我们提出了一个自适应的重要性抽样方案的模拟罕见的事件时,底层的动态是由扩散。该计划是基于吉布斯变分原理,用于确定最佳(即零方差)的变化的措施,并利用后者可以改写为一个随机最优控制问题的事实。控制问题可以解决的随机逼近算法,使用Feynman-Kac表示相关的动态规划方程,我们讨论了数值方面的高维问题,以及简单的玩具例子。
2019-04-16 math.OC math.PR
Drive, Pack, Fly: The Travelling Thief Problem with Drone
Nirma University(尼尔玛大学);Indian Institute of Management Bangalore(印度管理学院班加罗尔分校)
针对收集作业中车辆负载影响效率的问题,提出带无人机的旅行窃贼问题(TTP-D),构建混合整数线性规划,开发元启发式算法与基于注意力的DRL策略,提出学习者初始化混合求解器,实验表明其在基准集上性能接近基线且计算成本更低,还揭示租赁比率是利润主要驱动因素。
2026-08-18 cs.AI cs.NE math.OC
Control-Oriented Learning on the Fly
University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出一种实时控制导向学习方法,用于在系统动力学几乎未知的情况下实现控制目标,通过小扰动学习局部动态并保证近似最优方向,验证了其在受损飞机避撞和Van der Pol振荡器中的有效性。
2017-10-14 cs.LG cs.RO cs.SY