Non-Gaussian Chance-Constrained Trajectory Planning for Autonomous Vehicles under Agent Uncertainty
Massachusetts Institute of Technology（麻省理工学院）
智能体行为可以说是自动驾驶车辆轨迹规划中最大的不确定性来源。这个问题激发了大量的工作，在行为预测社区学习丰富的分布的未来状态和行动的代理。然而，目前大多数关于代理或障碍物不确定性下的机会约束轨迹规划的工作要么假设高斯不确定性或线性约束，这是有限的，要么需要采样，这在计算上难以编码在优化问题中。在本文中，我们通过提出一种由具有潜在非高斯分量的多项式和混合模型定义的上限机会约束的方法来扩展最新技术水平。我们的方法实现了它的通用性，通过使用统计矩的分布在浓度不等式的上限约束违反的概率。通过这种方法，基于优化的轨迹规划器可以规划相对于代表智能体未来位置预测的广泛分布的机会约束的轨迹。在实验中，我们表明，由此产生的优化问题可以解决与国家的最先进的非线性规划求解器计划轨迹足够快，在线使用。
2020-07-15 cs.RO cs.SY eess.SY
Dynamic charging management for electric vehicle demand responsive transport
随着气候变化的挑战，运输网络公司开始扩大其车队，以减少二氧化碳排放。然而，这样的生态转型带来了新的研究挑战，动态电动车队充电管理下的不确定性。在这项研究中，我们解决了共享乘车服务与公共充电站的动态充电调度管理。提出了一种滚动时域框架下的两阶段充电调度优化方法，通过预测未来公共充电站的可用性，最大限度地减少车队的总体充电运营成本，包括车辆的访问时间，充电时间和等待时间。充电站占用率预测基于混合LSTM（长短期记忆）网络方法，并集成到所提出的在线车辆充电器分配中。所提出的方法适用于现实的模拟研究，在城市的邓迪，英国。数值研究表明，所提出的方法可以减少48.3%的车队的总充电等待时间和总充电量的能量的车队相比，基于需求的充电参考政策的35.3%。
2022-09-22 math.OC
Energy Management in Plug-in Hybrid Electric Vehicles: Convex Optimization Algorithms for Model Predictive Control
本文详细研究了用于求解具有非线性损失的混合动力电动汽车能量管理模型预测控制的最优化问题的凸公式的算法的计算性能。提出了一种投影内点法，通过将不等式约束作为投影应用于控制输入，减小了牛顿步矩阵求逆的规模和复杂度，并通过与乘子交替方向法（ADMM）算法和通用凸优化软件CVX的仿真比较，验证了投影内点法的性能.据发现，ADMM算法具有良好的性能时，需要一个解决方案，具有适度的精度，而投影内点方法是有利的，当需要高精度，并且都是显着快于CVX。
2019-09-01 math.OC
Multi-Period Coordinated Management of Electric Vehicles in Zonal Power Markets: A Convex Relaxation Approach
近年来，插电式混合动力电动车辆的发展提供了各种环境和经济优势。在未来的智能电网中，电动汽车被视为减少温室气体排放的重要交通工具。关于这类车辆的主要问题之一是管理其充电时间，以防止随着时间的推移出现高峰值负载。部署先进的计量和自动充电器不仅可以让车主管理其能源消耗，而且还可以让公用事业公司通过将充电负荷转移到非高峰时段来管理白天的电力负荷。此外，高效的充电计划可以降低用户的电费成本。提出了一种基于多目标方法的电动汽车充电调度多周期协调管理模型，以优化用户充电成本为目标。该方法给出了充电开始时间的随机模型，为有效模拟车主充电行为提供了一种实用工具。为了验证所提出的方法的有效性，两个市场政策作为案例研究。计算结果可用于评估电动汽车调度对智能电网经济性能的影响。
2018-02-12 math.OC
Robust Eco-Driving Control of Autonomous Vehicles Connected to Traffic Lights
本文主要研究了互联自动驾驶车辆（CAV）与交通灯通信的速度规划问题。考虑了道路信号交叉口交通信号配时的不确定性。将生态驾驶问题转化为数据驱动的机会约束鲁棒最优化问题。有效红灯持续时间（ERD）定义为一个随机变量，描述了信号交叉口的可行通过时间。实际上，ERD的真实概率分布通常是未知的。因此，采用数据驱动的方法来制定基于经验样本数据的机会约束。这将鲁棒性纳入生态驾驶控制问题，相对于不确定的信号时序。采用动态规划法求解最优化问题。仿真结果表明，所提出的方法可以产生最佳的速度参考轨迹，减少40%的车辆燃油消耗，同时保持在一个类似的水平相比，修改后的智能驾驶员模型（IDM）的到达时间。所提出的控制方法显着提高了控制器的鲁棒性，在面对不确定的信号定时，而不需要知道的随机变量的分布先验。
2019-04-10 math.OC
A Dynamic Bus Lane Strategy for Integrated Management of Human-Driven and Autonomous Vehicles
本研究提出动态公交优先车道（DBPL）策略，利用网联自动驾驶车辆（CAVs）的轨迹规划能力分配公交车道通行权，通过混合整数线性规划优化并采用滚动时域控制，以最小化混合交通中车辆总出行时间。
2025-02-28 math.OC
Path Planning and Energy Management of Hybrid Air Vehicles for Urban Air Mobility
研究了一种新型的混合动力无人机的路径规划与能量管理耦合问题，其中混合动力无人机采用双气电系统作为动力。这种空中机器人被设想用于城市环境中，其中在某些区域中需要仅电池操作的噪声限制是适当的。我们考虑这个问题的离散版本，其中一个图形是通过采样的限制区的边界构造的，并开发一个路径规划算法。该规划器同时解决了路径规划以及能量模式切换控制，在电池的限制和噪声的限制。这是一个耦合的问题，涉及离散的决策，以找到行驶的路径，并确定电池沿路径的充电状态，这是一个连续的变量。提出了一种基于抽样的算法来寻找该问题的近最优解。为了量化的解决方案的有效性，一个算法，计算紧下界。使用数值模拟，并验证了所提出的算法之间的平均差距的可行解（上界）和下界，经验表明，是在15%以内的对方。
2022-05-28 math.OC
Online Coordinated Scheduling of EV Battery Charging and Heating in Cold Environments
The Chinese University of Hong Kong（香港中文大学）；University of Alberta（阿尔伯塔大学）
针对低温下电动汽车充电性能下降问题，提出基于李雅普诺夫优化的在线充电与加热协调控制方法，实现充电站系统成本最小化。
2026-11-02 math.OC
A chance-constrained dial-a-ride problem with utility-maximizing demand and multiple pricing structures
经典的拨号乘车问题（DARP）的目的是设计最小成本的路由，以适应一组用户的请求下的约束条件下，在运营规划水平，用户的偏好和收益管理往往被忽视。在本文中，我们提出了一种机制，接受/拒绝用户请求的需求响应运输（DRT）的背景下，替代交通方式的代表效用的基础上。我们考虑效用最大化的用户，并提出了一个混合整数规划制定的机会约束的DARP（CC-DARP），捕捉用户的偏好，从长远来看，通过Logit模型。我们进一步引入基于类的用户组，并考虑各种DRT服务的定价结构。一个定制的本地搜索为基础的启发式解决建议CC-DARP。我们报告的数字结果DARP基准的实例和一个现实的案例研究的基础上，纽约市黄色出租车行程数据。在105个基准测试实例上进行的计算实验，最多有96个节点，使用建议的局部搜索启发式算法，平均最优性差距为2.69%。现实的案例研究结果表明，分区票价结构是优化收入和乘客量方面的最佳策略。拟议的CC-DARP制定提供了一个新的决策支持工具，在战略规划层面为DRT系统的收入和车队管理提供信息。
2020-11-17 math.OC
Scenario Model Predictive Control for Data-based Energy Management in Plug-in Hybrid Electric Vehicles
基于优化的混合动力系统功率流分配策略的主要局限性之一是依赖于对未来功率需求的预测。这些预测本质上是不确定的，因为它们依赖于复杂的人类行为，这些行为很难准确建模。本文提出了一种基于数据的情景模型预测控制框架，其中输入在每次控制更新时通过优化多个先前行驶路线示例的功率分配来确定。所提出的能量管理优化是凸的，并且来自场景优化的结果被用于约束一步前优化将在给定概率下可行的置信度。通过数值模拟表明，情景模型预测控制（MPC）获得了相同的减少燃料消耗与标称MPC的未来驾驶员行为的充分预览，和情景MPC优化可以有效地解决使用定制的优化算法。
2022-04-13 math.OC
Hybrid Optimal Theory and Predictive Control for Power Management in Hybrid Electric Vehicle
本文提出了一种基于非线性模型的混合动力最优控制技术来计算并联混合动力汽车（PHEV）的功率/能量管理的次优功率分配策略。功率分配策略作为PHEV的功率管理控制问题（PMCP）的模型预测控制解决方案，即，以决定内燃机、电驱动装置和其它子系统之间的功率分配。混合动力车辆的递阶控制结构，即，在本研究中，假设了监督级和本地或子系统级。PMCP包括一个动态非线性模型，和一个性能指标，这两者都是制定潮流在监管层。该模型被描述为一个双模态切换系统，与电动ED的操作模式一致。规定所需行为的性能指标惩罚车辆跟踪误差，燃料消耗和摩擦损失，以及维持电池的充电状态（SOC）。功率分配策略是通过首先从具有性能指标的原始双模态切换系统模型创建嵌入式最优控制问题（EOCP）来获得的。采用直接配点法将问题转化为一个非线性规划问题。一个非线性预测控制技术（NMPC）结合一个顺序二次规划求解器被用来计算次优数值解的PMCP。本文还提出了用原始双模态PHEV的轨迹近似EOCP的数值解的方法。几个案例研究的仿真结果表明，该方法的实用性。
2018-04-02 math.OC
Health-aware and user-involved battery charging management for electric vehicles: linear quadratic strategies
本文研究了基于控制理论的电动汽车电池系统智能充电管理。充电对于电池性能和寿命至关重要，也是用户对电动汽车的信心或焦虑的一个因素。对于现有的实践和方法，许多在充电期间缺乏电池健康意识，并且没有一个将用户需求包括到充电回路中。为了弥补这些缺陷，我们建议进行充电，第一次，允许用户指定充电目标，并通过动态控制来实现它们，除了抑制充电引起的对电池健康的负面影响。采用线性二次型控制理论，提出了两种充电策略。其中，一种是基于固定终端充电状态的控制，另一种是基于跟踪参考充电路径。它们在计算上具有竞争力，不需要文献中大多数充电技术所需的实时约束优化。一项基于模拟的研究证明了它们的有效性和潜力。可以预见的是，充电与健康意识和用户参与所提出的策略保证将带来重大改善，不仅电池寿命，而且电动汽车用户的满意度。
2022-09-25 math.OC
Data-driven Approximation of Distributionally Robust Chance Constraints using Bayesian Credible Intervals
本文提出一种基于贝叶斯可信区间的数据驱动方法，将分布鲁棒机会约束近似为鲁棒优化问题，构建统一不确定集框架，提供有限样本概率保证，并通过数值实验验证其有效性。
2023-06-22 math.OC
Analytic Non-Gaussian Confidence Boundary Method for Chance-Constrained Trajectory Control
University of Texas at Austin（德克萨斯大学奥斯汀分校）；ISAE SUPAERO（法国国立高等航空航天学院）
本文提出非高斯置信边界参数化技术，用于处理非高斯分布的轨迹控制问题，通过高阶统计矩改进置信边界几何形状，应用于航天器机动控制，优于传统线性协方差方法。
2026-04-05 math.OC
Solving Overstay in PEV Charging Station Planning via Chance Constrained Optimization
目前，公共插电式电动汽车（PEV）充电站的使用率仅为15%。在另外85%的时间内，充电器空闲或被完全充电的PEV占用。策略性地将一辆充满电的PEV切换到另一辆等待充电的PEV，我们称之为交换，是提高充电站利用率的不可或缺的措施。本文研究了考虑策略性立交的纯电动汽车充电站规划问题，这在文献中还没有得到很好的研究。目的是提高利用率，同时降低基建投资和运行成本。提出了一种新的电力/能源聚合模型的立交运营和机会约束规划模型的公共充电站与客户需求的不确定性与立交开发。数值实验表明了该方法的有效性。仿真结果表明，引入策略性互通式立体交叉运营，可以显著减少充电站数量，提高利用率和经济效益。
2019-01-21 math.OC
Thermal management optimization of Battery Electric Vehicles via hierarchical NMPC with CMO-trained Neural Models
Politecnico di Torino（都灵理工大学）；Fiat Research Center (CRF), Stellantis N.V.（菲亚特研究中心（CRF），Stellantis N.V.）
研究电池电动汽车热管理优化问题，提出分层NMPC框架，上层平衡能耗与温度跟踪并转化为执行器命令序列，下层补偿干扰等，采用数据驱动神经网络模型，经高保真模拟器验证，相比基线策略能耗显著降低。
2026-07-21 math.OC
Three-Layer Joint Distributionally Robust Chance-Constrained Framework for Optimal Day-Ahead Scheduling of E-mobility Ecosystem
交通运输部门中大量的电动汽车（EV）需要一个先进的调度框架，用于整个电动汽车生态系统的运营，以克服里程焦虑并为充电站（CS）创建可行的商业模式。该框架必须考虑到所有利益相关者运营的随机性，包括电动汽车司机，CS和零售商及其相互作用。本文提出了一种三层联合分布式鲁棒机会约束（DRCC）模型，用于规划电动汽车生态系统日前的G2V和V2G运行。所提出的随机模型不依赖于随机参数的特定概率分布。为了解决这个问题，提出了一个迭代过程中使用联合DRCC制定。为了实现计算的可追溯性，精确的重新实现双边和单边的机会约束（CC）。此外，时间相关性的不确定光伏发电的CS运行的影响。基于美国旧金山的真实数据，对一个由3家零售商、9家CS和600辆电动汽车组成的生态系统进行了仿真研究。仿真结果表明，这种调度方法的必要性和适用性的电动汽车生态系统在一个不确定的环境，通过将未能到达目的地的独特电动汽车数量从272减少到61。
2021-10-23 cs.SY eess.SY math.OC
Data-Driven Distributed Intersection Management for Connected and Automated Vehicles
这项工作解决了在一个孤立的交叉路口连接和自动驾驶车辆的自主交通管理问题。我们将每个车辆的轨迹分解为两个阶段：临时阶段和协调阶段。车辆在进入感兴趣区域时，最初在临时阶段中操作，在此期间车辆优化其轨迹，但被限制进入交叉口。周期性地，所有车辆在其临时相位切换到其协调相位，这是通过协调优化的车辆的交叉口使用的顺序以及它们的轨迹。对于协调阶段，我们提出了一个数据驱动的解决方案，其中交叉口使用序列是通过数据驱动的在线分类和轨迹计算顺序。该方法还允许将诸如业务到达速率的宏观信息并入到解决方案中。整个算法是可证明安全的，可以以分布式方式实现。最后，我们比较了所提出的算法与传统的交叉口管理方法，并对一些现有的文献，通过模拟。通过仿真，我们还表明，每辆车的计算时间保持不变的算法在很宽的范围内的交通到达率。
2021-10-21 cs.SY eess.SY math.OC
Energy Management for Autonomous Underwater Vehicles Using Economic Model Predictive Control
研究了自主水下航行器（AUV）的能量最优控制问题。为了提高水下机器人的续航能力，提出了一种基于经济模型预测控制（MPC）框架的能量最优控制方案。首先，我们制定了一个代价函数，计算在有限的时间预测范围内的车辆运行所花费的能量。然后，为了考虑超出预测范围的能量消耗，将接近达到目标的能量（能量消耗）的终端成本并入MPC代价函数中。
2019-06-20 cs.SY eess.SY math.OC
Multi-Intersection Traffic Management for Autonomous Vehicles via Distributed Mixed Integer Linear Programming
本文扩展了我们以前在[1]，[2]中关于交叉口自动车辆到达的最优调度的工作，从一个交叉口扩展到交叉口网格。设计了一种可扩展的分布式混合线性规划算法（MILP）来求解交叉口网格调度问题。计算控制节点被分配到每个交叉口，并定期接收来自订阅车辆的位置和速度信息。每个节点通过求解一个局部MILP来为每一辆预约车辆分配一个交叉口访问时间。相邻的交叉口将通过共享车辆访问时间的解决方案来实时相互协调。我们所提出的方法被应用到一个网格的9个交叉口，其对交通流量和车辆的燃油经济性的积极影响，证明在传统的交叉口控制方案相比。
2020-07-13 cs.SY eess.SY math.OC
Predictive Management of Electric Vehicles in a Community Microgrid
将电动汽车充电负荷建模为可延迟负荷，这意味着可以将电力消耗转移到不同的时间窗口以实现各种电网目标。在当地社区的情况下，电动汽车被认为是可控的存储设备在一个全局优化问题，与其他微电网组件，如建筑负荷，可再生能源发电，电池储能系统等，但是，在驱动器的行为的不确定性有巨大的影响微电网运营的成本效益，这还没有充分探讨在以前的文献。在本文中，我们提出了一个预测电动汽车管理策略，在社区微电网，并评估它使用真实世界的数据集的系统基本负荷，太阳能发电和电动汽车充电行为。建立了两阶段运行模型，即第一阶段批发市场参与和第二阶段负荷曲线跟踪，以实现经济有效的电动汽车管理。预测控制策略，包括滚动时域控制，适用于以分散的方式解决能量分配问题。实验结果表明，所提出的方法可以显着降低总的能量成本，并降低总系统负载的斜坡指数高达56.3%。
2018-02-01 eess.SP math.OC
Integrated motion control and energy management of series hybrid electric vehicles: A multi-objective MPC approach
本文针对串联混合动力汽车的运动控制与能量管理集成问题，提出了一种内嵌运动控制的多目标MPC能量管理方法，并引入电池电流约束以避免过高充放电电流，从而提升安全性、延长电池寿命。
2023-04-07 cs.SY eess.SY math.OC
Integrated Optimization of Power Split, Engine Thermal Management, and Cabin Heating for Hybrid Electric Vehicles
针对寒冷天气下混合动力汽车燃油消耗增加的问题，提出集成功率与热管理方案，通过动态规划优化功率分配、发动机热管理与座舱加热，显著提升燃油经济性。
2019-06-04 cs.SY eess.SY math.OC
Disruption Management with Rescheduling of Trips and Vehicle Circulations
本文介绍了一种组合的方法来恢复一个时间表，重新调度行程和车辆循环的铁路运输系统受到干扰。提出了一种新的基于事件的整数规划模型。功能包括转移和取消行程，以及修改车辆的时间表，通过改变或截断循环。目标是最大限度地增加恢复的行程数量，可能会有延误，同时保证在估计的中断时间窗内有一个无冲突的新时间表。我们证明了我们的方法的实用性，通过实验的相关规模的现实生活中的测试实例，从维也纳的地铁系统。我们关注的场景是，一条轨道的一个方向被阻塞，列车必须通过这个瓶颈。通过收缩底层事件-活动图的部分，可以解决这些实例;这可以显著减小IP的大小。通常，在一分钟内找到的解决方案质量很好，可以用作在线环境中恢复计划的良好估计。
2011-01-11 cs.DS math.OC
A stochastic power management strategy with skid avoidance for improving energy efficiency of in-wheel motor electric vehicles
本文提出了一种随机动态规划策略，通过考虑驾驶功率需求的不确定性，优化轮毂电机电动车的功率分配，减少能耗并提升续航能力，同时引入防滑规则以维持车轮滑移比在可控范围内。
2017-08-23 cs.SY eess.SY math.OC
Robust Model Predictive Control for Enhanced Fast Charging on Electric Vehicles through Integrated Power and Thermal Management
本文针对电动汽车提出一种集成动力与热管理的多目标MPC框架，通过利用电池SOC的时变加权策略优化快速充电性能并提升充电时间在不确定性下的鲁棒性。
2023-10-21 cs.SY eess.SY math.OC
Chance Constrained Stochastic Optimal Control for Arbitrarily Disturbed LTI Systems Via the One-Sided Vysochanskij-Petunin Inequality
虽然已经开发了许多技术的机会约束随机最优控制与高斯扰动过程，远少于已知的计算有效的方法来处理非高斯过程。本文研究了具有有限矩和单峰机会约束的一般加性扰动线性定常系统的机会约束随机最优控制问题。我们提出了一个开环控制方案的多车辆规划，既有目标集和防撞约束。我们的方法依赖于单侧Vysochanskij-Petunin不等式，这是一种用于约束单峰随机变量尾概率的统计工具。使用单侧Vysochanskij-Petunin不等式，我们重新制定每个机会约束的期望和标准差。虽然重新制定的界限是保守的，相对于原来的界限，他们有一个简单的和封闭的形式，并服从凸优化技术的差异。我们证明了我们的方法上的多卫星交会问题。
2023-03-22 cs.SY eess.SY math.OC
Chance Constrained Stochastic Optimal Control Based on Sample Statistics With Almost Surely Probabilistic Guarantees
虽然技术已经开发的机会约束随机最优控制使用样本扰动数据，提供了一个概率的置信区间的机会约束满足，远不如知道如何使用样本数据的方式，可以提供几乎肯定的保证机会约束满足。本文提出了一种求解具有未知采样附加扰动的线性定常系统的机会约束随机最优控制问题的方法。我们提出了一个开环控制方案的多车辆规划，既有目标集和防撞约束。为此，我们推导了一个集中不等式，以约束基于样本统计量的随机变量的尾概率。使用导出的浓度不等式，我们重新制定每个机会约束的样本均值和样本标准差。虽然重新制定的界限是保守的，相对于原来的界限，他们有一个简单的和封闭的形式，保证机会约束满足几乎肯定，并服从凸优化技术的差异。我们证明了我们的方法对两个多卫星交会问题。
2023-03-29 cs.SY eess.SY math.OC
Management of Electric Vehicles as Flexibility Resource for Optimized Integration of Renewable Energy with Large Buildings
可再生能源发电的日益普及需要新的工具来实现建筑和社区层面的需求与可再生能源发电之间的高度匹配。具有停车场的大型商业和公共建筑具有相当大的潜力，可以通过控制电动汽车（EV）的充电并使用建筑物到车辆（B2 V）和车辆到建筑物（V2 B）系统将部分存储的能量注入建筑物中来提供能源灵活性。然而，电动汽车和建筑物通常不属于同一个实体，在葡萄牙，现有法规不允许建筑物和电动汽车作为单独的实体进行金融交易。解决这一监管障碍需要创新的优化方法来实施B2 V/V2 B系统。此外，葡萄牙关于可再生能源发电自用的新立法使建筑物之间的可再生能源发电盈余交易和可再生能源社区的建立成为可能。本文旨在解决这一问题，并提出了一个公式来汇总和管理建筑物之间的发电盈余的共享，使用电动汽车作为一种灵活的资源。模拟结果显示，在建筑和社区层面，可再生能源的自我消费有所增加，电力成本也有所降低。
2020-05-12 cs.SY eess.SY math.OC
Dimensioning and Power Management of Hybrid Energy Storage Systems for Electric Vehicles with Multiple Optimization Criteria
Politecnico di Milano（米兰理工大学）；University of Waterloo（滑铁卢大学）；Chongqing University（重庆大学）；Ontario Tech University（安大略理工大学）
本文针对电动汽车混合储能系统的设计与功率管理问题，提出一种双层多目标优化框架，结合非支配排序遗传算法和模糊逻辑控制，以获得最优尺寸的混合储能系统和对应的最优实时功率管理系统。
2020-08-13 cs.SY eess.SY math.OC
An Optimal Coordination Framework for Connected and Automated Vehicles in two Interconnected Intersections
在本文中，我们提供了一个分散的最优控制框架，协调连接和自动车辆（CAV）在两个互连的交叉口。我们制定了一个控制问题，并提供了一个解决方案，可以在实时实施。该解决方案产生的安全约束下的每个CAV的最佳加/减速度在“冲突区”，有可能发生碰撞。我们的目标是最大限度地减少每架CAV的旅行时间。如果不存在这样的解，则每个CAV解决能量最优控制最优控制问题。我们通过模拟评估所提出的框架的效率的有效性。
2019-05-26 math.DS math.OC
Freeway Lane Management Approach in Mixed Traffic Environment with Connected Autonomous Vehicles
University of South Florida（南佛罗里达大学）
本文提出分析模型评估混合交通环境下的自由流流量，并确定分配给自动驾驶车辆的最优车道数，通过不同操作环境和技术场景分析自动驾驶车辆渗透率对交通容量的影响。
2016-11-30 cs.SY eess.SY math.OC
MPC-Based Precision Cooling Strategy (PCS) for Efficient Thermal Management of Automotive Air Conditioning System
本文提出一种基于MPC的精密冷却策略（PCS），利用车速预览精确跟踪冷却功率轨迹，在SC03循环下相比福特基准节能4.9%，且仅使车厢温度略升，并能进一步降低能耗。
2019-06-10 cs.SY eess.SY math.OC
Optimization under rare chance constraints
机会约束提供了一个原则性框架，通过修改系统的可控属性来减轻高影响极端事件的风险。然而，这种事件的低概率和罕见发生，对经典解方法施加了严格的采样和计算要求，使得它们不切实际。本文提出了一种新的免采样方法来求解受一般高斯混合分布不确定性影响的机会约束最优化问题。通过将现代大偏差理论的发展与凸分析和双层优化的工具相结合，我们提出了易于处理的公式，可以通过现成的求解器来解决。我们的配方享有几个优势相比，经典的方法：它们的大小和复杂性是独立的事件的稀有性，它们不需要线性或凸性假设的系统约束，并在易于验证的条件下，作为安全的保守近似或渐近精确的真正问题的重新制定。在投资组合管理、结构工程和流体动力学中的线性、非线性和偏微分方程约束问题上的计算实验表明，该方法具有广泛的适用性，在精度和效率方面优于经典的基于采样的方法。
2022-01-10 math.OC math.PR stat.CO
Trajectory Planning Under Environmental Uncertainty With Finite-Sample Safety Guarantees
我们解决的问题，轨迹规划的环境中由一组障碍物与不确定的时变位置。使用广泛接受的高斯分布的不确定性建模，从而在一个机会约束的程序。然而，与以前的方法相反，我们不假设完美的知识的分布的时刻，而是通过有限的样本从传感器或过去的数据来估计它们。我们得到严格的浓度范围内的错误，这些估计，以充分收紧的机会约束程序。因此，我们提供了可证明的保证满足相应的机会约束的名义尚未未知的时刻。我们用两个自主车辆轨迹规划案例研究来说明我们的结果。
2021-08-13 cs.SY eess.SY math.OC
Safety-Aware Reinforcement Learning for Electric Vehicle Charging Station Management in Distribution Network
Monash University（莫纳什大学）
本文提出一种安全感知off-policy强化学习算法，结合最大熵框架管理配电网中EV充电站，无需惩罚系数调整即可满足系统约束，并在不确定性环境下优于传统方法。
2024-03-20 cs.AI cs.SY eess.SY
Rich Vehicle Routing Problem in Disaster Management enabling Temporally-causal Transhipments across Multi-Modal Transportation Network
Department of Industrial and Systems Engineering (ISE), Indian Institute of Technology (IIT) Kharagpur（工业与系统工程系，印度理工学院Kharagpur分校）
研究灾害管理中支持跨多式联运网络时间因果转运的丰富车辆路径问题，提出级联最小化MILP方法及基于决策树的PSR-GIP启发式算法，能快速求解大规模实例并优于现有方法。
2025-09-17 cs.AI cs.SY eess.SY
