Detection and Mitigation of Corrupted Information in Distributed Model Predictive Control Based on Resource Allocation
在分布式预测控制结构中，智能体之间的通信需要达成共识，并接近最优的全局行为。这种谈判机制对这些交易所受到的攻击很敏感。本文提出了一种监测方案，检测和减轻这些攻击的影响，在一个资源分配框架。所提出的方法的性能示出通过模拟的多个房间的温度控制下的电力短缺。
2022-07-21 cs.SY eess.SY math.OC
Control Allocation for Hybrid Coulomb Spacecraft Formations
本文提出了一种算法，可用于混合库仑航天器编队，以减少推进剂通过最大化的力量，产生的库仑力的量。这个问题是困难的，由于库仑定律固有的非线性。该问题是作为一系列的矩阵秩最小化问题，可以有效地解决使用跟踪启发式。一个数值例子表明，使用建议的控制分配算法，执行重新配置机动所需的推进剂的量减少了约40%相比，单独使用推进器。
2022-07-12 cs.SY eess.SY math.OC
Control Allocation with Adaptive Augmentation for Aerodynamic Optimization of Trailing Edge Morphing Aircraft
German Aerospace Center (DLR), Institute of Flight Systems（德国航空航天中心（DLR）飞行系统研究所）
针对尾缘变体飞行器，提出带自适应增广的控制分配框架，在不确定性下保证稳定，并优化机翼形状以实现椭圆升力分布，数值验证有效。
2026-10-02 cs.SY eess.SY math.OC
Sparse Resource Allocation for Control of Spreading Processes via Convex Optimization
在这封信中，我们提出了一种方法，稀疏分配资源，以控制蔓延的过程-如流行病和野火-使用凸优化，特别是指数锥规划。在资源不容易分布在大面积上的情况下，稀疏分配具有优势。此外，我们引入了一个风险模型，以优化产品的可能性和未来的影响爆发。我们证明了一个简化的野火的例子，我们的方法可以提供更有针对性的资源分配相比，以前的方法基于几何规划。
2020-03-17 cs.SY eess.SY math.DS
General formulation of an analytic, Lipschitz continuous control allocation for thrust-vectored controlled rigid-bodies
Université Libre de Bruxelles (ULB)（布鲁塞尔自由大学）；Kyoto University（京都大学）
本文提出了解决推力矢量控制刚体中控制分配问题的通用框架，提出两种新方法：闭式利普希茨连续映射和凸优化公式，用于处理实际执行器约束。通过船舶和四旋翼无人机的数值示例验证了框架的有效性和通用性。
2026-04-15 cs.SY eess.SY
Transient Performance of Power Systems with Distributed Power-Imbalance Allocation Control
研究了分布式功率不平衡分配控制（DPIAC）控制的电力系统暂态性能对控制律参数的敏感性。将负荷扰动建模为高斯白噪声，利用H_2范数度量系统的频偏和控制代价。对于具有与电网拓扑相同的通信网络的电力系统，分析表明，通过单一的控制增益系数加速频率向标称值的收敛，可以大大改善频率的暂态性能。然而，控制成本随着该控制增益系数的增大而线性增大。因此，在反馈控制律DPIAC中，在频率偏差和由该控制增益系数确定的控制成本之间存在折衷。通过增加另一个控制增益系数，可以在过渡阶段期间随着边际成本的加速一致而降低控制成本。此外，当边际成本的共识加速时，国家的行为接近于集中控制律。
2021-03-07 cs.SY eess.SY math.OC
Constrained Control Allocation With Continuous-Time Rate Constraints: Three-Dimensional Case
本文提出一种无需松弛变量的二次规划控制分配方法，通过凸包计算位置与速率约束下的可达力矩集并缩放不可达指令，在F-18仿真中实现与精确再分配伪逆相当的性能且约束满足更优。
2025-07-23 cs.SY eess.SY math.OC
Fault Tolerant Super Twisting Sliding Mode Control of a Quadrotor UAV Using Control Allocation
针对四旋翼无人机执行器故障问题，提出结合超螺旋滑模控制与控制分配算法的容错控制方案，仿真表明其在正常和故障条件下均能实现高精度轨迹跟踪并保持稳定。
2023-04-27 cs.SY eess.SY
Distributed CPU Scheduling Subject to Nonlinear Constraints
本文考虑了一个非线性模型约束下的局部资源分配协作代理网络。在许多应用中，要求（或期望）解决方案在满足保和全局约束方面是随时可行的。基于此，本文给出了非线性映射任意时刻可行（或非渐近可行）的充分条件。对于这两个分布式解决方案，一个收敛于有向权重平衡网络，另一个收敛于无向网络。特别是，我们详细介绍了均匀量化，并讨论了ε-精确解的概念，它给出了一个估计，我们可以接近精确的优化器受到不同的量化水平。这项工作，进一步，处理一般（可能非二次）严格凸的目标函数与应用程序的CPU分配之间的云数据中心通过分布式解决方案。结果可以被用来作为一个协调机制，以最佳平衡的任务和CPU资源之间的一组联网的服务器，同时解决量化或有限的服务器容量。索引术语：多智能体系统，保和资源分配，分布式优化，随时可行性
2022-08-30 cs.SY eess.SY math.OC
Unveiling Four Key Factors for Tire Force Control Allocation in 4WID-4WIS Electric Vehicles at Handling Limits
本研究针对4WID-4WIS电动汽车在操纵极限下的轮胎力控制分配问题，分析了垂直载荷估计、执行器动态、轮胎力约束和转向精度四个关键因素，提出了改进控制方法，并通过联合仿真验证了其有效性。
2024-03-19 cs.SY eess.SY
Model Predictive Control of Spreading Processes via Sparse Resource Allocation
在本文中，我们提出了一个模型预测控制（MPC）方法的实时干预的传播过程，如流行病和野火，在大规模的网络。目标是在每个时间步骤分配预算资源，以最大限度地降低未被发现的疫情风险，即疫情发生概率和疫情影响的乘积。通过使用动态规划松弛，MPC控制器被重新表示为凸优化问题，特别是指数锥规划。给出了闭环风险渐近下降的充分条件和风险单调下降的上界的估计方法。数值结果提供了一个野火的例子。
2022-10-27 cs.SY eess.SY math.OC
Optimal Resource Allocation in Wireless Control Systems via Deep Policy Gradient
在无线控制系统中，通过在无线信道上闭合控制回路来实现对设备的远程控制。由于无线通信是有噪声的并且易受分组丢失的影响，因此跨工厂适当地分配有限的资源（例如，传输功率）对于维持可靠的操作是至关重要的。在本文中，我们制定了一个最佳的资源分配策略，使用当前的工厂状态和无线信道状态分配资源用于发送控制驱动信息回工厂的设计。虽然这个问题由于其无限维度以及对显式系统模型和状态知识的需求而具有挑战性，但我们提出使用深度强化学习技术来找到基于神经网络的资源分配策略。特别是，我们使用无模型的政策梯度方法，直接学习连续的功率分配政策，而不需要了解植物动态或通信模型。数值模拟表明，学习的政策相对于基线资源分配方法的设置中，状态信息是有和没有噪音的强大性能。
2019-10-25 cs.SY eess.SP eess.SY
Parallel Network Flow Allocation in Repeated Routing Games via LQR Optimal Control
在这篇文章中，我们研究了平行网络上的重复路由博弈问题，每条边上的仿射延迟函数。我们铸造的游戏设置在一个LQR控制理论框架，利用罗森塔尔潜在的制定。我们使用控制技术来分析游戏动态的收敛与特定的情况下，借给自己的最优控制。设计了合适的动力学参数，保证了流量守恒。我们使用多参数二次规划方法（显式MPC）为一般最优控制设置提供了算法解决方案。最后，我们用数值方法说明了系统参数变化对解的影响。
2021-12-30 cs.GT cs.SY eess.SY
Distributed Resource Allocation for Epidemic control
University of Pennsylvania（宾夕法尼亚大学）
本文提出基于D-ADMM算法的分布式资源分配策略，用于控制网络中流行病爆发。通过线性化SIS模型，考虑节点在感染存在下分配疫苗和治疗药物，并将流行病控制条件转化为涉及Perron-Frobenius特征值的谱约束，以几何规划形式解决资源分配问题。
2015-01-08 cs.SY eess.SY math.OC
Centrality-Based Security Allocation in Networked Control Systems
Uppsala University（乌普萨拉大学）
本文研究了网络控制系统中的安全资源分配问题，提出基于中心性的方法以快速分配安全资源，通过比较最优解和基于中心性的解，验证其在大规模网络中的有效性。
2026-03-29 cs.SY eess.SY
Traction Control Allocation Employing Vehicle Motion Feedback Controller for Four-wheel-independent-drive Vehicle
针对四轮独立驱动车辆，本文提出基于中心点运动反馈的牵引力分配控制架构，无需质量、轮荷和重心位置等信号，并通过非线性双轨模型及高保真 EFORCE 赛车模型验证。
2023-07-12 cs.SY eess.SY
Discrete Adaptive Control Allocation
控制分配器的主要目的是在冗余执行器之间分配总的控制努力。针对存在执行器不确定性的过驱动采样系统，提出了一种离散自适应控制分配器。所提出的方法不需要不确定性估计或激励的持久性。此外，该算法采用了闭环参考模型，它提供了快速收敛，而不会引入过多的振荡。为了产生总控制信号，使用具有参考跟踪的LQR控制器来保证外环渐近稳定。研究环境（ADMIRE）中的Aerodata模型的离散化版本被用作过驱动系统，以证明所提出的方法的有效性。
2021-01-26 cs.SY eess.SY
Sequential Dynamic Resource Allocation for Epidemic Control
CMLA – ENS Paris-Saclay（巴黎-萨克雷高等师范学校应用数学实验室）
在动态资源分配（Dynamic Resource Allocation，简称DP）模型下，管理员的任务是将有限的资源预算动态地分配给网络的节点，以减少扩散过程（diffusion process，简称DP）（例如流行病）。标准的TCP/IP协议假定管理员始终拥有完整的信息，并且可以即时访问整个网络。为了使这种策略更接近现实生活中的约束，我们首先提出了限制性的网络模型扩展，在每个干预轮，访问仅限于一小部分的网络节点，称为样本。然后，启发顺序选择问题，如著名的秘书问题，我们提出了顺序选择（SDRA）模型。我们的模型引入了一个连续的方面，在决策过程中的每一轮的样本，提供了一个全新的视角，动态DP控制。最后，我们将几种顺序选择算法纳入SDRA控制策略，并比较它们在SIS流行病模拟中的性能。
2019-09-20 cs.AI cs.DM cs.SI
Priority-based Energy Allocation in Buildings through Distributed Model Predictive Control
针对建筑暖通空调系统能源供给不足问题，本文提出基于分布式模型预测控制的优先级能源分配方案，通过一对一和多对一两种策略，在保证可扩展性和计算可行性的同时达到集中式控制性能。
2024-07-22 cs.SY eess.SY
Stochastic Model Predictive Control with Online Risk Allocation and Feedback Gain Selection
Linköping University（林雪平大学）
本文提出了一种方法，通过离散凸机会约束和预计算的反馈策略集，将非凸问题转化为混合整数锥优化问题，有效解决随机模型预测控制中的风险分配与反馈策略优化问题。
2026-04-06 cs.SY eess.SY math.OC
Data-Driven Adaptive Task Allocation for Heterogeneous Multi-Robot Teams Using Robust Control Barrier Functions
Georgia Institute of Technology（佐治亚理工学院）；Optimus Ride
多机器人任务分配是机器人学中一个普遍存在的问题，因为它适用于各种场景。自适应任务分配算法考虑了机器人执行任务的环境中的未知干扰和不可预测的现象。然而，这种自适应性通常是以需要精确的机器人模型知识为代价的，以便评估分配的有效性并在线调整任务分配。因此，环境干扰可以显着降低模型的准确性，这反过来又会对任务分配的质量产生负面影响。在本文中，我们利用高斯过程，微分包含和鲁棒控制障碍函数来学习环境干扰，以保证鲁棒的任务执行。我们展示了一个真正的多机器人系统的实施和所提出的框架的有效性。
2020-11-10 cs.RO cs.SY eess.SY
Multi-Stage Sparse Resource Allocation for Control of Spreading Processes over Networks
在本文中，我们提出了一种稀疏的动态分配资源的方法，以限制风险的传播过程，如流行病和野火，使用凸优化和动态规划技术。在这里，风险被定义为爆发的风险，即在一段时间内爆发的概率与该爆发的未来影响的乘积，我们可以在每个时间步骤分配预算资源以限制或最小化风险。我们的方法，特别是提供了稀疏的资源，这是重要的，由于涉及到传播过程的大型网络结构，并具有优势，当资源不能广泛分布。
2021-10-14 cs.SY eess.SY math.DS
A distributed scheme for secondary frequency control with stability guarantees and optimal power allocation
University of Cambridge（剑桥大学）；University of Groningen（格罗宁根大学）
本文提出了一种新的分布式二次频率控制方案，解决了传统方法中对不可控需求的依赖和静态模型的限制，通过利用发电测量实现稳定性和最优功率分配的保证。
2020-08-11 cs.SY eess.SY math.OC
Numerical optimal control for HIV prevention with dynamic budget allocation
Saint Petersburg State University（圣彼得堡国立大学）；Institut für Mathematik und Informatik（数学与信息学研究所）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Univ. Perpignan Via Domitia（佩皮尼昂维多米蒂亚大学）
本文提出了一种新的HIV传播模型，并利用数值最优控制方法计算最优控制策略，最终将结果应用于实际问题，取得了重要的实践意义。
2016-11-21 cs.NA cs.SY eess.SY
Resource Allocation with Stability Constraints of an Edge-cloud controlled AGV
German Research Center for Artificial Intelligence（德国人工智能研究中心）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Nokia Bell Labs（诺基亚贝尔实验室）；Technical University of Kaiserslautern（凯泽斯劳滕工业大学）
通过分析闭环反馈控制系统的控制-通信依赖关系，提出了闭环反馈控制系统的资源分配方案。我们考虑一个自动导引车（AGV），通过无线衰落信道与位于边缘云的控制器进行通信。控制命令被发送到AGV，并且位置状态在每个时刻被反馈到控制器。基于控制稳定性的调度度量“不稳定概率”的资源分配进行评估。在过载和非过载情况下，将基于稳定性的RA方案与基于最大SNR的RA方案和控制误差优先方法的性能进行了比较。具有稳定性约束的RA方案显著降低了资源利用率，并且能够在保持其稳定性的情况下调度更多数量的AGV。此外，所提出的RA方案是独立的控制状态，并依赖于连续的数据包错误，控制参数，如采样时间和AGV速度。此外，我们还分析了RA方案对AGV的稳定性和错误性能的影响，并评估了不稳定的AGV的数量。
2023-01-23 cs.RO cs.SY eess.SY
Multi-Level Power-Imbalance Allocation Control for Secondary Frequency Control of Power Systems
Delft University of Technology（代尔夫特理工大学）；Tsinghua University（清华大学）
本文提出多层级功率不平衡分配控制（MLPIAC）用于大型电力系统分区，通过集中控制与分布式协调控制结合，实现最小控制成本和提升系统暂态性能。
2018-06-13 cs.SY eess.SY
A Learning Approach for Joint Design of Event-triggered Control and Power-Efficient Resource Allocation
Amirkabir University of Technology（阿米尔卡比尔理工大学）
在新兴的工业信息物理系统（ICPs）中，通信和控制子系统的联合设计是必不可少的，因为这些子系统是相互连接的。在本文中，我们研究了第五代（5G）无线网络中的事件触发控制和节能资源分配的联合设计问题。我们正式状态的问题作为一个多目标优化之一，旨在最大限度地减少更新的执行器的输入和下行链路传输中的功耗的数量。为了解决这个问题，我们提出了一个无模型的分层强化学习方法\textcolor{blue}{with uniformly ultimate boundedness stability guarantee}，同时学习四个政策。这些策略包含关于致动器的输入的更新时间策略、控制策略以及能量高效的子载波和功率分配策略。仿真结果表明，该方法可以正确地控制一个模拟的ICPS，并显着减少更新的执行器的输入，以及下行链路的功耗。
2022-05-14 cs.LG cs.SY eess.SY
Wireless Resource Allocation with Collaborative Distributed and Centralized DRL under Control Channel Attacks
School of Electrical and Computer Engineering, The University of Sydney（悉尼大学电气与计算机工程学院）
针对CPS控制信道DoS攻击下的无线资源分配问题，提出CDC-DRL算法，通过协同分布式与集中式决策优化资源分配策略，显著优于现有DRL基准。
2024-11-16 cs.IT cs.LG cs.SY
A Micro-Simulation Study of the Generalized Proportional Allocation Traffic Signal Control
本文在SUMO微观仿真器中实现了两种离散化GPA控制器，并在类Manhattan网格和Luxembourg真实场景下验证其性能，发现其在低需求时优于MaxPressure控制器，并在真实场景中优于静态控制器。
2019-01-28 cs.SY eess.SY
Generalized Proportional Allocation Policies for Robust Control of Dynamical Flow Networks
研究了动态流网络的鲁棒控制问题。在所考虑的动态模型中，交通流沿着交通网络的链接-建模为一个容量的多重图-和队列在节点处，从而控制策略确定哪些传入队列在一个节点被分配服务的同时，在一些预定的调度约束。我们首先证明了一个基本的性能限制表明，对于一个动态流网络是稳定的一些控制策略，它是必要的外源流入属于一定的稳定区域，这是由网络拓扑，链路容量和调度约束。然后，我们引入了一个家庭的分布式控制，被称为广义比例分配（GPA）的政策，并证明了他们稳定的动态运输网络的外源流入属于这样的稳定区域。所提出的GPA控制策略是分散的，完全可扩展的，因为它们只依赖于本地反馈信息。从以前研究的最大稳定控制策略，GPA控制策略不需要任何全局信息的网络拓扑，外源流入，或路由，这使得他们强大的需求变化和不可预测的变化，链路容量或路由决策。此外，所提出的GPA控制策略还考虑了在服务之间切换时的开销时间。我们的理论结果发现一个应用在城市交通网络的控制信号交叉口，车辆排队在路口和交通信号控制决定绿灯分配到不同的传入车道。
2019-07-03 cs.SY eess.SY
Adaptive Control Allocation for Underactuated Time-Scale Separated Non-Affine Systems
针对欠驱动非仿射系统，提出基于时间尺度分离和动态控制分配的自适应控制架构，通过状态预测器处理不确定性，并验证于VTOL四翼飞机多种飞行状态。
2025-10-08 cs.SY eess.SY
Switching transformations for decentralized control of opinion patterns in signed networks: application to dynamic task allocation
本研究提出一种基于切换变换的符号网络意见模式分散控制方法，利用结构平衡网络的单调动力学特性实现意见模式切换，可应用于多机器人协调与动态任务分配场景。
2022-05-31 cs.SY eess.SY math.DS
A Fault-Tolerant Integrated Vehicle Stability Control Using Adaptive Control Allocation
本文的重点是一个综合的，容错车辆监控算法的整体稳定性的地面车辆。车辆控制系统包含许多可以通过通信网络彼此通信的传感器和致动器。建议的监督控制方案是由一个高层次的控制器，创建一个虚拟的控制输入矢量和一个低层次的控制分配器，分配冗余执行器之间的虚拟控制工作。虚拟控制输入包含所需的牵引力、偏航、俯仰和侧倾力矩修正以及横向力修正，以确保在遵循驾驶员启动的操纵基准时保持稳定性。基于虚拟控制输入向量，分配模块确定前转向角校正、后转向角、每个轮胎处的牵引力和主动悬架力。所提出的控制框架区别于文献中的早期结果，它能够适应故障和不确定性，通过在线更新其参数，而不需要故障识别。使用十四自由度非线性车辆模型在仿真环境中验证了控制结构。我们的研究结果表明，所提出的方法，确保车辆遵循的驱动程序创建的参考，尽管致动器的有效性损失高达30%以上的纵向机动速度和约35%的较低的滚动和俯仰角在转向与代表性的驾驶场景。
2020-08-13 cs.SY eess.SY
Cooperative Control of Hybrid FES-Exoskeleton: Dynamic Allocation
针对混合FES-外骨骼系统因执行器冗余和异构约束导致的控制挑战，提出基于动态分配的协同控制架构，通过模块化分配器实时分配控制扭矩，经仿真和实验验证有效，为神经康复提供新方案。
2025-11-13 cs.SY eess.SY
Unified Control Scheme for Optimal Allocation of GFM and GFL Inverters in Power Networks
本文提出一种基于统一构网型/跟网型逆变器控制的系统方法，通过构建并迭代求解优化问题，确定电力网络中两类逆变器的最优配置，以确保暂态稳定性与最大能量耗散。
2024-12-19 cs.SY eess.SY
Control-Aware Transmit Power Allocation for 6G In-Factory Subnetwork Control Systems
针对6G工厂内分布式控制子网的功率分配问题，提出基于逻辑模型的信道无关控制感知策略，用多目标树结构Parzen估计贝叶斯优化学习参数，可分布式部署，在有限无线资源下实现优异的控制稳定性与可用性。
2024-05-18 cs.SY eess.SY
Risk-Aware Real-Time Task Allocation for Stochastic Multi-Agent Systems under STL Specifications
本文针对随机多智能体系统提出一种基于STL鲁棒性启发式滤波与拍卖机制的实时任务分配方法，并结合管式MPC实现可证明的概率满足控制。
2024-09-03 cs.SY eess.SY
Maneuvering-based Dynamic Thrust Allocation for Fully-Actuated Vessels
针对全驱动船舶推力分配，本文结合控制 Lyapunov 函数的非线性参考滤波器与控制屏障函数，在速率和饱和约束下实现最优解的动态跟踪。
2025-07-24 cs.SY eess.SY
Security Allocation in Networked Control Systems under Stealthy Attacks
本文针对隐蔽攻击下的网络化控制系统，提出基于图支配集和Stackelberg博弈的安全资源分配方法，并给出防御代价与攻击影响有界的图论条件。
2024-04-02 cs.SY eess.SY
Diffusion Model Based Resource Allocation Strategy in Ultra-Reliable Wireless Networked Control Systems
Koc University（科克大学）
本文提出基于扩散模型的资源分配策略，通过优化采样周期、块长和错误概率最小化WNCS总功耗，优于DRL方法且约束违规减少十八倍。
2024-07-22 cs.AI cs.IT cs.SY
Decentralized Game-Theoretic Control for Dynamic Task Allocation Problems for Multi-Agent Systems
我们提出了一个分散的博弈论框架的多智能体系统的动态任务分配问题。在我们的问题公式化中，代理的效用取决于与成功完成分配给他们的任务相关的奖励和成本。奖励反映了智能体完成其分配任务的可能性，而成本反映了完成这些任务所需的努力（该努力由相应的最优控制问题的解决方案确定）。这里考虑的任务分配问题对应于一个动态的游戏，其解决方案取决于与经典的静态（或单行为）游戏配方的代理的状态。我们提出了一个贪婪的解决方案的方法，在该方法中，代理商相互协商，以找到一个相互同意的（或个别合理的）任务分配配置文件的基础上，反映其当前状态的任务实用程序的评价。我们通过大量的数值模拟来说明这项工作的主要思想。
2020-09-29 cs.MA cs.SY eess.SY
AIMD scheduling and resource allocation in distributed computing systems
我们考虑的问题，同时调度和资源分配的一组计算单元的传入流的请求。通过将每个计算单元表示为一个节点，我们将整个系统建模为多队列方案。受通信网络中拥塞控制方法的启发，我们提出了一种类似AIMD（加法增加乘法减少）的接纳控制策略，该策略是稳定的，与节点总数和AIMD参数无关。准入政策允许我们建立一个事件驱动的离散模型，由本地可识别的使能条件触发。随后，我们提出了一个分散的资源分配策略，通过一个简单的非线性状态反馈控制器，保证在有限时间内全局收敛到一个有界集。最后，我们揭示了这些属性与服务质量规范的连接，通过计算本地排队时间通过一个简单的公式符合利特尔定律。
2021-09-06 cs.SY eess.SY
Communication, Sensing and Control integrated Closed-loop System: Modeling, Control Design and Resource Allocation
针对现有研究忽略上下行通信依赖、缺乏统一建模的问题，本文提出集成感知、通信、控制的闭环模型，推导性能不等式，提出联合优化算法，为工业闭环系统优化设计提供参考。
2024-09-18 cs.SY eess.SY
Dynamic Control Allocation between Onboard and Delayed Remote Control for Unmanned Aircraft System Detect-and-Avoid
本文开发和评估的分配代理的性能，潜在地集成到机载检测和避免（DAA）计算机的无人机系统（UAS）。我们考虑一个无人机系统，可以完全由机载DAA系统和远程人类飞行员控制。随着通信信道容易延迟，我们考虑一个混合的主动交互环境，其中的UAS的控制权限是动态分配的分配代理。在遇到动态入侵者时，在存在延迟的情况下，在没有导频命令的情况下，冲突的概率可能会增加。此外，延迟的飞行员命令可能不会导致当前场景的安全解决方案，需要即兴发挥。我们设计了一个优化算法，以减少碰撞风险和细化延迟的驾驶员命令。为此，采用马尔可夫决策过程（MDP）及其解来创建等待时间图。该地图由UAS在每个状态下可以等待远程飞行员命令的估计时间组成。一个命令混合算法的设计，以选择一个回避机动，优先考虑从飞行员命令中提取的飞行员意图。实现了等待时间图和命令混合算法，并将其集成到闭环仿真器中。我们进行了上万次快速蒙特卡罗模拟，并将集成设置与独立DAA设置的性能进行了比较。仿真结果表明，分配代理使无人机等待，而不会引起任何近中空中碰撞（NMAC）和严重的损失，以及清除（LoWC），同时积极提高飞行员参与的遭遇决议。
2021-03-14 cs.HC cs.SY eess.SY
Green Resource Allocation and Energy Management in Heterogeneous Small Cell Networks Powered by Hybrid Energy
在异构网络（HetNets）中，如何提高频谱利用率是一个至关重要的问题。与此同时，能源消耗的增加促使网络运营商部署可再生能源作为传统电力的辅助。基于上述方面，我们允许基站（BS）彼此共享其许可频谱资源，并调整传输功率以适应可再生能源水平。考虑到基站间的共享公平性，我们将多人讨价还价问题转化为一个随机优化问题。我们将优化问题分为三个部分：数据率控制、资源分配和能量管理。提出了一种在线动态控制算法，通过控制接入速率和资源分配，以最小的电网能耗实现输电和共享收益最大化。仿真结果验证了该方案的有效性。
2020-06-14 cs.NI cs.SY eess.SY
Control-Certified Wireless Resource Allocation for Digital-Twin-Enabled UAV Swarms
School of Telecommunication Engineering, Xidian University（西安电子科技大学通信工程学院）
本文提出了一种面向数字孪生的无人机蜂群无线资源分配框架，通过证书引导的方法，结合状态条件的随机漂移测试和动态规划，实现网络可行性和闭环控制的安全性，验证了在相同通信预算下，该框架在跟踪精度和高风险状态抑制方面优于现有方法。
2026-05-18 cs.SY eess.SY
Control Allocation Algorithm for Hypersonic Glide Vehicles with Input Limitations
German Aerospace Center (DLR), Institute of Aerodynamics and Flow Technology（德国航空航天中心（DLR），空气动力学与流动技术研究所）
针对高超声速滑翔飞行器执行机构强非线性和物理约束，提出一种迭代控制分配方法，通过嵌入阻力敏感软约束提高能效并降低表面温度，在GHGV-2模型上验证了有效性。
2026-06-19 cs.SY eess.SY
Combinatorial Safety-Critical Coordination of Multi-Agent Systems via Mixed-Integer Responsibility Allocation and Control Barrier Functions
German Aerospace Center (DLR)（德国航空航天中心）；Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）；Seoul National University（首尔大学）
本文提出通过混合整数规划和控制屏障函数实现多智能体系统的安全关键协调，以提高避障效率和减少计算复杂性。
2026-03-05 cs.SY eess.SY
A Coalitional Stable and Fair Reward Allocation for Dynamic Virtual Power Plants
ETH Zurich（苏黎世联邦理工学院）
提出一种控制设计与奖励分配机制，使分布式能源通过合作聚合提供动态辅助服务，满足个体理性、联盟稳定、激励相容、最优性、公平性和事后一致性等博弈论标准。
2026-07-01 cs.SY eess.SY
Optimal Allocation of Grid-Forming Frequency Shaping Control
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Australian National University（澳大利亚国立大学）
本文提出一种电网形成频率整形控制资源的最优分配方法，通过将暂态控制成本量化为平方H2范数并简化Nadir消除约束，利用逐次凸化求解非凸优化问题，在冰岛电网测试案例中验证了有效性。
2026-09-22 cs.SY eess.SY
Control Allocation for Wide Area Coordinated Damping
The University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）
本文提出了一种基于模态的稀疏控制分配方法，用于协调且容错的宽区域阻尼控制器。该方法通过模块化设计实现阻尼性能，无需详细了解执行器信息，且在执行器故障时能有效利用剩余执行器能力。
2017-01-25 cs.SY eess.SY
Differential Realizability of Static Control Allocation in Multirotors: An Impossibility under Nonredundant Full Actuation and a Pseudoinverse Obstruction under Redundant Actuation
本文研究多旋翼静态控制分配的可微可实现性，证明非冗余完全驱动下不存在全局可微精确分配器，冗余驱动下伪逆存在速率奇异性，并提出零空间变形与固定象限构造方法。
2026-09-15 cs.RO cs.SY eess.SY
Goal-Oriented State Information Compression for Linear Dynamical System Control
针对控制器仅能获取压缩状态的线性动力系统，研究压缩资源的时间分配优化问题，证明其具有经典结构可闭式求解，所得策略优于均匀速率分配，为受限通信下的动力系统通信决策提供指导。
2024-07-14 cs.SY eess.SY
Transient Power Allocation Control Scheme for Hybrid Hydrogen Electrolyzer-Supercapacitor System with Autonomous Inertia Response
Shanghai Jiao Tong University（上海交通大学）；The University of Western Australia（西澳大学）；Curtin University（科廷大学）
本文提出了一种混合氢电解器-超导电容器系统，通过动态惯性控制和电容惯性控制实现高效瞬态功率分配，提升系统稳定性与能量效率。
2026-01-03 cs.SY eess.SY
