Considering Slow Manifold Based Model Reduction for Multiscale Chemical Optimal Control Problems
利用常微分方程对化学反应动力学进行建模,得到了多时间尺度的一维耗散动力系统。这样的刚性组在计算上难以求解,因此,包含常微分方程作为无穷小约束的最优控制问题更难以处理。模型降阶可以提供一种方法来提高数值效率,以及避免这种模型的刚度。在本文中,我们展示了如何吸引流形计算方法可以被利用来更有效地解决最优控制,同时考虑到雄心勃勃的长期目标,将其应用于化学动力学的实时控制问题。
2019-07-02 math.OC
Isomorphism Properties of Optimality and Equilibrium Solutions under Equivalent Information Structure Transformations I: Stochastic Dynamic Teams
在随机最优控制中,测度变元一直是随机分析的关键问题。这种方法通常被称为动态团队理论(或分散随机控制)中的静态约简,并且已经成为建立最优策略的存在性和近似结果的有效方法。在本文中,我们将这种静态减少分为三类:(i)独立于政策的(如Witsenhausen介绍的),(ii)政策依赖型(正如Ho和Chu为部分嵌套的动态团队介绍的那样),以及(iii)我们将称为具有控制共享减少的静态测量的那些(其中测量是静态的,尽管根据部分嵌套的信息结构共享控制动作)。对于第一种类型,我们证明了动态团队的个人最优(全局最优)政策与其政策独立的静态减少之间存在双射。对于第二种类型,虽然有一个双射动态团队的全局最优政策与部分嵌套的信息结构和他们的静态约简,一般不存在双射动态团队的个人最优政策和他们的政策相关的静态约简。我们还建立了一个关于定常解的更强的负结果。我们提出了双射关系成立的充分条件。在控制共享减少的静态测量下,最优性概念之间的联系可以在放松的条件下建立。一个蕴涵是一个凸性特征的动态团队问题在静态测量与控制共享减少。最后,我们介绍了多阶段的改进,这样的减少。第二部分的文件解决了类似的问题的背景下,随机动态游戏,其中出现了进一步的微妙之处。
2021-11-27 math.OC
Reduction in optimal control with broken symmetry for collision and obstacle avoidance of multi-agent system on Lie groups
研究了连续时间和离散时间系统中具有部分对称破缺费用函数的左不变仿射多智能体控制系统的最优控制问题的最优性条件的对称约化.我们重铸的最优控制问题作为一个约束变分问题的部分对称破缺拉格朗日和获得减少的最优性条件从减少的变分原理通过对称约化技术在两个设置,连续时间和离散时间。我们将结果应用到碰撞和避障问题的$SE(2)$上的静态障碍物的存在下发展的多辆车。
2022-07-14 cs.SY eess.SY math.OC
Reduction of total-cost and average-cost MDPs with weakly continuous transition probabilities to discounted MDPs
本文描述了具有一般状态空间和动作空间,且具有弱连续转移概率的总费用和平均费用马尔可夫决策过程(MDP)可约化为折扣MDP的充分条件.对于非折扣问题,这些减少意味着最优性方程的有效性和存在的静态最优策略。这些约简还提供了计算最优策略的方法。结果被应用到一个容量限制的库存控制问题的固定成本和销售损失。
2017-11-18 math.OC
Symmetry Reduction of Optimal Control Systems and Principal Connections
University of Michigan–Dearborn(密歇根大学迪尔伯恩分校)
本文通过几何框架研究非线性控制与最优控制系统的对称约化,利用主联络获得约化系统的显式表达式,并综合了先前相关工作的结果。
2012-12-20 cs.SY eess.SY math.OC
Frequency Limited $\mathcal{H}_2$ Optimal Model Reduction of Large-Scale Sparse Dynamical Systems
本文主要研究稀疏广义大系统的频率受限$\mathcal{H}_2$最优模型降阶问题。为此,我们需要解两个西尔维斯特方程。本文提出了有效的算法来有效地解决这些问题。这些思想也被推广到指数-1广义系统。使用Python编程语言进行了数值实验,结果表明所提出的技术的近似精度和计算效率。
2021-01-09 math.DS math.OC
Optimality-Based Control Space Reduction for Infinite-Dimensional Control Spaces
Universität Konstanz(康斯坦茨大学)
针对时变抛物型PDE的最优控制问题,提出联合控制与状态空间线性模型缩减方法,给出后验误差界并证明自适应算法的收敛性。
2026-06-01 cs.NA math.NA math.OC
Optimal Online Algorithms for Peak-Demand Reduction Maximization with Energy Storage
电费中需求费用的高比例激励大功率客户利用储能来减少从外部电网的峰值采购。考虑到有限的能源存储,我们希望以在线方式最大限度地减少峰值需求,这受到高度不确定的需求和可再生能源注入,峰值消费的非累积性以及在线决策的耦合的挑战。在本文中,我们提出了一个最佳的在线算法,达到最佳的竞争比,以下的想法,保持一个恒定的比例之间的在线和离线的最佳峰值降低性能。我们进一步表明,最优竞争比可以通过求解线性分式规划的线性数来计算。此外,我们扩展了算法,以自适应地保持最佳的竞争比给定的显示输入和行动,在每个决策轮。自适应算法保留了最佳的最坏情况下的保证,并达到改善的平均情况下的性能。我们评估我们提出的算法使用真实世界的痕迹,并表明他们获得高达81%的最佳离线基准峰值减少。此外,自适应算法实现了至少20%以上的峰值减少基线替代品。
2021-05-11 cs.SY eess.SY math.OC
H$_2$ Optimal Model Order Reduction over a Finite Time Interval
对于一个时间有限的版本的H $_2$范数定义在一个固定的时间间隔,我们得到一个封闭的形式表达的梯度。在此基础上,我们利用梯度提出了一种限时模型降阶方法。该方法涉及到获得一个减少的模型,最大限度地减少了时间限制的H $_2$规范,制定为一个非线性优化问题。使用标准优化软件解决优化问题。
2022-01-03 cs.SY eess.SY math.OC
Optimal Black-Box Reductions Between Optimization Objectives
Princeton University(普林斯顿大学)
机器学习应用的多样性已经产生了大量的算法和最优化方法,这些算法和方法可以根据手头的特定回归或分类任务进行微调。我们通过约简降低了机器学习算法设计的复杂性:我们开发了一种约简,这种约简采用了为一种设置开发的方法,并将其应用于应用程序中的整个平滑性和强凸性。此外,与现有结果不同,我们的新约简是最优的,更实用。我们展示了这些新的减少如何产生新的和更快的运行时间训练线性分类器的各种家庭的损失函数,并得出结论,实验表明他们的成功也在实践中。
2016-05-20 cs.DS cs.LG math.OC
Reduction of lower semicontinuous solutions of Hamilton-Jacobi-Bellman equations
本文研究了具有梯度变量的凸Hamilton算子的Hamilton-Jacobi方程的下连续解。这种哈密顿量出现在最优控制理论中。本文给出了将满足最优性条件的哈密顿量约化为正齐次且满足最优性条件的情形的一个充要条件。它使我们能够将一些下连续解的唯一性问题简化为Barron-Jensen和Frankowska定理。对于不能以这种方式约化的汉密尔顿,我们证明了新的存在性和唯一性定理。
2022-10-09 math.OC
Riemannian optimal reduction for linear systems with quadratic outputs
School of Mathematics and Statistics, Northwestern Polytechnical University(西北工业大学数学与统计学院)
本文提出一种基于Riemannian优化的H2最优降阶方法,通过直接优化降阶模型的系数矩阵,有效减少变量数量,并在数值实验中验证了其在H2误差上的优越性。
2026-05-09 math.OC
Accelerated gradient sliding and variance reduction
考虑了具有光滑凸非邻近友好复合函数(第二项)的和型强凸优化问题(首项)。我们发现,这个问题的复杂性可以分为最佳数量的增量Oracle调用的第一(和型)长期和最佳数量的Oracle调用的第二(复合)长期。在这里,在“最佳数”下,我们指的是在没有另一项的情况下对应于众所周知的下界的估计。
2020-03-11 math.OC
Symmetry Reduction in Optimal Control of Multiagent Systems on Lie Groups
我们研究减少自由度的方程,确定必要的最优性条件极值的最优控制问题的多智能体系统,通过利用代理的物理对称性,其中每个代理的运动学是由一个左不变的控制系统。减少最优性条件得到使用变分法和拉格朗日力学的技术。一个哈密顿形式主义也进行了研究,通过应用庞特里亚金的最大值原理左不变系统的问题进行了探讨,和最优性条件得到的积分曲线的约化哈密顿向量场。我们将结果应用到多个单轮车的能量最小控制问题。
2020-11-23 cs.SY eess.SY math.OC
Scenario Reduction with Guarantees for Stochastic Optimal Control of Linear Systems
针对场景约简可能降低线性随机最优控制系统性能的问题,提出带问题相关损失函数的约简算法及样本外保证充分条件,通过数值算例验证了有效性。
2024-04-11 cs.SY eess.SY math.OC
Policy Gradient Optimal Correlation Search for Variance Reduction in Monte Carlo simulation and Maximum Optimal Transport
Sorbonne Université(索邦大学)
本文提出用深度神经网络结合策略梯度与强化学习搜索最优路径相关性,以降低随机微分方程蒙特卡洛估计的方差,并建立其与最大最优传输的联系。
2023-09-15 cs.LG math.OC stat.ML
Cloud-AC-OPF: Model Reduction Technique for Multi-Scenario Optimal Power Flow via Chance-Constrained Optimization
电力系统中的许多实际规划和运行应用需要同时考虑大量的运行条件或多场景交流最优潮流(MS-AC-OPF)解决方案。然而,当外部规定的条件的数量很大时,将问题作为单个AC-OPF的集合来解决可能是耗时的或者在计算上简单地难以处理。在本文中,我们提出了一种模型简化方法,创造云AC OPF,它取代了他们的紧凑表示的平均值和标准差的样本集合。而不是单独确定每个样本的最佳发电调度,我们参数化的发电调度作为仿射函数。云-AC-OPF在数学上类似于文献中最近讨论的广义机会约束AC-OPF(CC-AC-OPF)类型,但在概念上不同,因为它讨论了长期规划的应用。我们进一步提出了一个易于处理的制定和实施,并说明我们的建设的例子30节点IEEE模型。
2019-05-24 math.OC
An Optimal Projection Framework for Structure-Preserving Model Reduction of Linear Systems
Wageningen University & Research(瓦赫宁根大学与研究)
提出一种结合H2优化与Petrov-Galerkin投影的保结构模型降阶框架,通过非紧Stiefel流形上的非凸优化最小化H2误差,并推导梯度表达式与收敛性分析。
2026-10-26 math.OC
Towards Time-Limited $\mathcal H_2$-Optimal Model Order Reduction
为了精确地数值求解偏微分方程,通常需要进行高阶空间离散。模型降阶(MOR)技术常用于空间离散系统的降阶,从而降低计算复杂性。一类特殊的MOR技术是$\mathcal H_2$ -最优方法,例如迭代有理Krylov子空间算法(IRKA)和相关方案。然而,这些方法用于在无限时间范围内获得良好的近似。因此,在这项工作中,我们的主要目标是讨论MOR计划的时间限制线性系。为此,我们提出了一个替代的时间有限的$\mathcal H_2$ -规范,并显示其与时间有限的Gramian。然后,我们提供了一阶最优性条件的最优降阶模型(ROM)的时间限制$\mathcal H_2$ -范数。基于这些最优性条件,我们提出了一个迭代格式,其收敛时,旨在满足这些条件近似。然后,我们分析了如何远离所获得的ROM由于所提出的算法是从满足最优性条件。我们使用各种数值例子测试所提出的迭代方案的效率,并说明新提出的迭代法可以导致更好的降阶相比,在有限的时间间隔的兴趣的无限制IRKA。
2017-12-01 math.OC
Gradual-impulsive control for continuous-time Markov decision processes with total undiscounted costs and constraints: linear programming approach via a reduction method
研究了具有渐进脉冲的CTMDP模型的约束最优控制问题,其性能指标为期望的总未贴现成本(来自运行成本和每次脉冲的成本).折扣模型是作为一个特例。我们充分证明了一个减少的方法,并关闭在以前的文献中的一个开放的问题。该降阶方法导出了一个等价但较简单的仅带逐步控制的标准CTMDP模型,并在此基础上,在相当自然的条件下,建立了求解有关约束最优控制问题的有效的线性规划方法。
2022-04-06 math.OC
Lagrange-Poincaré reduction for optimal control of underactuated mechanical systems
我们处理的规则拉格朗日约束系统的对称群的作用下是不变的。在定义了Lagrange量和(独立)约束的高阶主丛上固定一个联络,由经典Lagrange约化得到了具有高阶约束的经典力学系统的高阶Lagrange-Poincaré方程.引入高阶Lagrange-Poincaré算子来刻画高阶Lagrange-Poincaré方程.有趣的应用程序派生,例如,欠驱动Elroy的豆豆和蛇板的最优控制视为一个优化问题,高阶约束。
2015-01-20 math-ph math.MP math.OC
Optimal Scenario Reduction for One- and Two-Stage Robust Optimization
鲁棒优化通常遵循最坏情况的观点,其中单个场景可以确定给定解决方案的目标值。因此,减少不确定性集的大小而不太改变所得目标值是一项具有挑战性的任务。另一方面,具有许多场景的鲁棒最优化问题往往难以求解,特别是对于两阶段问题。因此,减少不确定性集可能是在合理的时间内找到解决方案的核心。我们提出的方案减少的方法,保证所产生的强大的解决方案的性能。一阶段和两阶段鲁棒优化的场景约简问题被构造为仅依赖于不确定性集而不依赖于潜在的决策问题的最优化问题。实验结果表明,减少不确定性集的目标值与原始目标值密切相关,从而比使用通用聚类方法(如K-means)时得到更好的解决方案。
2022-09-01 math.OC
An Efficient Method for the Optimal Control of Microgrids Under Uncertainties using Local Reduction
Imperial College London(帝国理工学院);SLB Cambridge Research(斯伦贝谢剑桥研究中心)
针对微电网中带逻辑约束和不确定性的最优规模与功率调度问题,提出两种形式化方法(混合整数线性规划与连续非线性规划),并扩展局部缩减算法高效求解,平均可行性率超90%。
2026-06-11 math.OC
Geometric reduction in optimal control theory with symmetries
本文从这类系统的前辛描述出发,对最优控制理论中的对称性作了一般性的研究。然后,诺特定理,以及相应的减少程序(基于应用的Marsden-Weinstein定理适用于前辛的情况下)都在正规和奇异的情况下,这是以前描述。
2003-01-30 math-ph math.DG math.MP
Automatic Generation of Optimal Reductions of Distributions
Nanyang Technological University(南洋理工大学);Institute of Mathematics, Czech Academy of Sciences(捷克科学院数学研究所);University of Toronto(多伦多大学)
本文提出自动生成分布最优缩减的方法,通过增量算法生成候选缩减并验证其正确性,结合强化的替换证明技术与固定模板反例,提升分解可验证性效率。
2018-03-29 cs.FL cs.SY eess.SY
Guaranteed optimal reachability control of reaction-diffusion equations using one-sided Lipschitz constants and model reduction
我们证明了,对于任何空间离散的反应扩散方程组,只要扩散系数足够大,由显式Euler时间离散格式给出的近似解收敛于精确的时间连续解.通过“足够大”,我们的意思是扩散系数值使得反应扩散系统的单侧Lipschitz常数为负。我们应用这个结果来解决有限时域控制问题的一维反应扩散的例子。我们还解释了如何进行模型降阶,以提高效率的方法。
2019-12-11 cs.SY eess.SY math.OC
Structure-preserving $H^2$ optimal model reduction based on Riemannian trust-region method
本文研究了线性系的保稳定性和保对称性的$H^2$最优模型降阶问题,其中线性梯度系统是其特例。将该问题转化为对称正定矩阵流形与欧几里得空间的乘积流形上的非线性最优化问题。为了解决这个问题,使用置信域方法,推导了梯度和Hessian的目标函数。此外,我们还证明了,如果我们限制我们的系统的梯度系统,梯度和海森可以更有效地获得。更具体地说,通过对称性,我们可以减少要求解的线性矩阵方程。另外,通过一个简单的例子,我们证明了我们的问题和文献中的一个类似问题的解不是唯一的,并且两个问题的解集一般不包含对方.此外,它揭示了所获得的最优值不一致。数值实验表明,该方法给出的降阶系统与原系统的结构相同,而平衡截断法不能。
2018-03-12 math.OC
On Controller Reduction in Linear Quadratic Gaussian Control with Performance Bounds
控制器降阶问题在控制理论中有着悠久的历史。然而,许多问题仍然悬而未决。特别是,存在很少的结果一般非观测器为基础的控制器的降阶和随后的量化的闭环性能。线性二次高斯(LQG)控制的无模型策略优化的最新进展突出了这个问题的重要性。在本文中,我们首先提出了一组新的充分条件,确保摄动控制器保持内部稳定。在此基础上,我们说明了如何使用平衡截断和模态截断对一般的基于非观测器的控制器进行降阶。我们还提供了显式的降阶控制器的LQG性能的界限。此外,对于单输入单输出(SISO)系统,我们引入了一种新的控制器减少技术截断不稳定模式。我们用数值模拟来说明我们的理论结果。我们的结果将作为设计用于部分观测控制问题的直接策略搜索算法的有价值的工具。
2022-11-29 cs.SY eess.SY math.OC
Controller Reduction for Nonlinear Systems by Generalized Differential Balancing
在本文中,我们的目标是开发计算易处理的方法,非线性模型/控制器的减少。近年来,针对具有常输入向量场和线性输出函数的非线性系统,提出了基于广义微分平衡的模型降阶方法。首先,我们研究增量性质的GD平衡框架。接下来,基于这些分析,我们提供了GD LQG平衡和GD $H_\infty$ -平衡作为控制器减少方法的非线性系统通过关注线性反馈和观测器增益。特别是对于GD $H_\infty$ -平衡,我们澄清了当闭环系统的全阶系统和降阶控制器是指数稳定的。所有提供的控制器降阶方法可以放宽到线性矩阵不等式。
2021-11-05 cs.SY eess.SY math.OC
First and Second Order Optimal $\mathcal{H}_2$ Model Reduction for Linear Continuous-Time Systems
针对单输入单输出连续时间线性时不变系统的最优$\mathcal{H}_2$模型降阶问题,提出半定松弛方法确定全局最优插值点,通过凸优化求解,验证了一、二阶降阶模型的精确性,并能验证局部收敛方法的全局最优性。
2025-08-24 cs.SY eess.SY math.OC
Model Reduction of Consensus Network Systems via Selection of Optimal Edge Weights and Nodal Time-Scales
本文提出了一种基于给定的底层图聚类的共识网络系统模型约简方法。即,给定一个时间尺度Agent在加权无向图和图聚类上演化的共识网络系统,以其边权值和节点时间尺度为优化参数,构造一个参数化的约简共识网络系统.提出了基于H-∞和H-2的优化方法来选择简化的网络参数,使得相应的近似误差,即,误差系统的H-∞范数和H-2范数被最小化。通过数值算例说明了所提出的模型降阶方法的有效性。
2022-03-27 cs.SY eess.SY math.OC
$H^2$-Optimal Reduction of Positive Networks using Riemannian Augmented Lagrangian Method
在这项研究中,我们制定了一个稳定的和积极的网络系统的模型降阶问题作为一个约束黎曼最优化问题的$H^2$误差目标函数的原始和减少的网络系统。我们提高了约简性能的聚类方法,这是最知名的方法之一,为正网络系统的模型约简,通过使用基于聚类的方法的输出作为所提出的方法的初始点。该方法通过应用黎曼增广拉格朗日方法(RALM)和推导拉格朗日量的黎曼梯度,在保持网络系统稳定性、正性和互连结构等特性的同时,降低了网络系统的维数.为了检验我们的方法的效率,我们进行了数值实验,并比较它与基于聚类的方法在$H^2$ -错误和$H^\infty$ -错误的意义。
2022-05-12 cs.SY eess.SY math.OC
Optimal H2 moment matching-based model reduction for linear systems by (non)convex optimization
在本文中,我们计算家庭的降阶模型,匹配一个规定的一组时刻的高维线性定常系统。首先,我们完全参数化模型的插值点和自由参数,然后我们固定的插值点集和参数化模型只在自由参数。基于这两种参数化方法,以误差逼近的H ~ 2-范数为目标函数,导出了非凸最优化问题,即,我们寻找最佳的自由参数,甚至插值点,以确定近似模型产生最小的H2-范数误差。此外,我们提供了必要的一阶最优性条件,这些最优化问题给出明确的可控性和可观性Gramian的最小实现的误差系统。利用这些最优性条件,我们提出了求解相应最优化问题的梯度型方法,并给出了收敛性的数学保证。我们还推导出这些问题的凸SDP松弛和分析时,凸松弛是准确的。我们数值说明了我们的结果在几个测试例子的效率。
2018-11-18 math.OC
An Optimal Reduction of TV-Denoising to Adaptive Online Learning
UC Santa Barbara(加州大学圣巴巴拉分校)
我们考虑从$n$噪声样本中估计一个函数的问题,该样本的离散全变差(TV)由$C_n$限定。我们揭示了与强自适应在线学习(Daniely et al,2015)的看似不同的问题的深层联系,并提供了一种$O(n \log n)$时间算法,该算法在平方误差损失下获得了$\tilde O (n^{1/3}C_n^{2/3})$的近极小极大最优速率。所得到的算法在线运行,并最佳地适应未知的平滑参数$C_n$。这导致了一个新的和更通用的替代小波为基础的方法(1)自适应估计电视有界函数;(2)在线预测电视有界的趋势,在时间序列。
2021-01-26 cs.LG math.OC stat.ML
Dimension Reduction in Martingale Optimal Transport: Geometry and Robust Option Pricing
University of Alberta(阿尔伯塔大学);Mitchell E. Daniels, Jr. School of Business, Purdue University(普渡大学米切尔·E·丹尼斯小商学院);Central Bank of Brazil(巴西中央银行)
本文通过研究两资产情况下的鞅最优运输几何特性,提出降维Sinkhorn算法,显著提升稳健期权定价的计算效率和准确性。
2026-01-22 math.OC math.PR q-fin.MF
Two-stage model reduction approaches for the efficient and certified solution of parametrized optimal control problems
针对参数化线性二次最优控制问题,提出结合系统动力学与最优终末时间伴随状态流形降基近似的两阶段降阶模型,推导后验误差估计器并证明可靠性,数值实验验证了模型精度与计算加速效果。
2024-08-28 cs.NA math.NA math.OC
Active vibration control of nonlinear flexible structures via reduction on spectral submanifolds
本文提出基于非周期谱子流形降维的控制框架,将高维非线性振动控制问题转化为低维线性最优控制问题,并通过扩展线性二次调节器实现非线性柔性结构的实时主动控制。
2024-08-14 math.DS math.OC
From Interpolation to $\mathcal{H}_2$ Optimality: Model Reduction for Infinite-Dimensional Linear Control Systems
Virginia Tech(弗吉尼亚理工大学);Technische Universität Berlin(柏林工业大学)
本文提出一种基于插值的H₂最优模型降阶框架,针对无限维线性控制系统,通过Petrov-Galerkin投影实现降阶,并推导出H₂最优条件,证明插值特性在无限维情况下依然成立。
2026-04-14 cs.SY eess.SY math.OC
Optimal Sensor and Actuator Selection using Balanced Model Reduction
University of Washington(华盛顿大学)
本文提出了一种基于平衡模型降阶和贪心优化的方法,用于高维估计和控制中的最优传感器和执行器选择,通过贪心矩阵QR消元在主导模式上优化可观测性和可控性。
2020-01-11 cs.NA cs.SY eess.SY
A state reduction approach for learning-based model predictive control for train rescheduling
本文提出一种用于城市轨道交通列车重新调度的基于学习的模型预测控制状态缩减方法,通过分类器与MPC分别处理离散与连续变量,有效提升了性能并减少内存使用。
2025-04-28 cs.SY eess.SY math.OC
Bilinear Systems with Quadratic Outputs: $\mathcal{H}_2$ Analysis, Optimality Conditions for Model Reduction, and Algorithmic Solutions
TU Braunschweig(布伦瑞克工业大学);Virginia Tech(弗吉尼亚理工大学)
研究具有二次输出的双线性系统,通过建立 $\mathcal{H}_2$ 内积、范数等构建 $\mathcal{H}_2$ 框架,推导输出界与最优性条件,提出算法计算满足条件的约简系统,推广现有最优方法并经数值例子验证有效性。
2026-07-23 cs.NA math.NA math.OC
Storage Control for Carbon Emission Reduction: Opportunities and Challenges
存储对于电力系统至关重要,因为它为系统提供了迫切需要的灵活性。与此同时,它所能提供的不仅仅是灵活性。本文研究了利用碳封存系统进行碳减排的可能性。这个机会是由于全球即将实施的碳税而出现的。在没有适当激励的情况下,大多数系统运营商不得不根据燃料成本的优序来调度发电机,而没有对碳排放的任何控制。然而,我们认为,即使没有碳税,储存也可以为碳减排提供必要的灵活性。我们确定的非凸结构进行存储控制的任务,并提出了一个易于实现的动态规划算法来调查的价值,碳减排的存储。
2019-12-22 cs.SY eess.SY math.OC
$\mathcal{H}_2$-optimal model reduction of linear quadratic-output systems by multivariate rational interpolation
Courant Institute of Mathematical Sciences, New York University(纽约大学库朗数学科学研究所);Max Planck Institute for Dynamics of Complex Technical Systems(马克斯·普朗克复杂技术系统动力学研究所);Virginia Tech(弗吉尼亚理工大学)
本文针对线性二次输出系统,推导了$\mathcal{H}_2$最优模型降阶的插值最优性条件,提出了基于Petrov-Galerkin投影的迭代有理Krylov算法(LQO-IRKA),并验证了其在大规模问题中的有效性。
2026-06-02 cs.NA cs.SY eess.SY
Model Reduction For Parametrized Optimal Control Problems in Environmental Marine Sciences and Engineering
SISSA(的里雅斯特高等研究学院);National Institute of Oceanography and Experimental Geophysics(海洋学与实验地球物理学国家研究所)
本文提出了一种降阶方法,用于解决由偏微分方程 governed 的参数化最优控制问题,应用于环境海洋科学与工程。通过引入一般的参数化线性二次最优控制问题及其最优系统的鞍点结构,提出了一种POD-Galerkin降阶方法,并在两个环境应用中测试了该方法:意大利特里este湾的污染物控制和大西洋海洋动态的准地转方程的解跟踪。
2018-04-06 cs.NA math.NA math.OC
Optimal Reduction of Public Debt under Partial Observation of the Economic Growth
我们考虑一个旨在降低债务与国内生产总值(GDP)比率的政府。政府观察债务与GDP比率的水平,这是经济状况的一个指标,但不直接观察基本宏观经济条件的发展。政府的标准是最小化持有债务和债务削减政策的总预期成本之和。我们将此问题建模为部分观测下的奇异随机控制问题。该文件的贡献是双重的。首先,我们提供了一个一般公式的模型中,债务与国内生产总值的比率和宏观经济指标的值分别演变为扩散和跳跃扩散,系数取决于经济制度。这些都是通过一个有限状态的连续时间马尔可夫链。通过过滤技术,我们减少了原来的问题,一个等价的一个与充分的信息(所谓的分离问题),我们提供了一个一般的验证结果,在相关的最优停止问题充分的信息。其次,我们专门研究一个案例,其中经济只面临两种制度,宏观经济指标具有适当的扩散动力学。在这种情况下,我们提供了最优的债务削减政策。这是在一个辅助的全二维最优停止问题中产生的连续自由边界。
2019-01-25 econ.GN math.OC q-fin.EC
Cross-Gramian-Based Combined State and Parameter Reduction for Large-Scale Control Systems
Institute for Computational and Applied Mathematics at the University of Münster(明斯特大学计算与应用数学研究所)
本文引入经验交叉格兰姆矩阵用于多输入多输出系统,实现状态与参数空间的联合降阶,并在线性和非线性系统上验证其有效性。
2014-04-14 cs.SY eess.SY math.DS
Computationally Efficient Near-Optimal Control for Current Ripple Reduction and Optimization of Three-Phase Motors via LMIs
University of Michigan(密歇根大学)
提出一种基于线性矩阵不等式(LMI)的方法,通过二次参数化和迭代Bellman不等式逼近无限时域值函数,实现离线高效计算并在线作为尾成本,在降低计算成本的同时达到与有限控制集MPC相当的性能。
2026-07-02 cs.SY eess.SY math.OC
Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study
RWTH Aachen University(亚琛工业大学)
本文基于Koopman理论提出结合延迟坐标编码与全状态解码的数据驱动非线性模型降阶方法,通过深度学习训练模型,实现对高纯度低温精馏塔的实时非线性模型预测控制。
2024-01-09 cs.LG cs.SY eess.SY
Error bounds for model reduction of feedback-controlled linear stochastic dynamics on Hilbert spaces
研究了基于平衡截断的Ornstein-Uhlenbeck过程和带乘性噪声的线性S(P)DE的保结构模型降阶方法。在这项研究中,我们第一次包括非零初始条件的分析。此外,我们允许反馈控制动态解决随机最优控制问题的降阶模型和证明新的误差界一类线性二次调节器问题。我们提供了数值证据的界限,并讨论了我们的方法,以增强非平衡统计力学的抽样方法的应用。
2022-03-17 cs.NA math.DS math.NA
Feedback control of quantum state reduction
量子力学系统的反馈控制必须考虑量子测量的概率性质。通过分别考虑量子滤波问题和滤波器的状态反馈控制问题,我们将量子反馈控制归结为随机非线性控制问题。我们探讨了使用随机李雅普诺夫技术的量子自旋系统的反馈控制器的设计,并证明了稳定的一个结果的量子测量与单位概率的可能性。
2004-12-14 math-ph math.MP math.OC
Balanced Reduction of Nonlinear Control Systems in Reproducing Kernel Hilbert Space
基于机器学习和统计降维的最新进展,提出了一种新的非线性控制系统数据驱动降阶方法。该方法依赖于假设的非线性系统线性行为时,提升到一个高(或无限)维的特征空间,平衡截断可以进行隐式。这导致了一个非线性的减少映射,它可以与属于再生核希尔伯特空间的系统的表示相结合,以给出一个封闭的,减少了顺序的动力系统,它捕获了原始模型的基本输入-输出特性。还提供了说明该方法的实证模拟。
2010-11-12 math.DS math.OC math.ST
$H_2$ optimal model reduction of linear systems with multiple quadratic outputs
Courant Institute of Mathematical Sciences, New York University(纽约大学柯朗数学科学研究所);Max Planck Institute for Dynamics of Complex Technical Systems(马普复杂技术系统动力学研究所);Department of Mathematics and Division of Computational Modeling and Data Analytics, Academy of Data Science, Virginia Tech(弗吉尼亚理工大学数据科学院计算建模与数据分析分部数学系)
针对状态方程线性、输出方程含二次非线性的系统,推导 $H_2$ 误差梯度并给出基于 Gram 矩阵的一阶最优性条件,提出 LQO-TSIA 算法实现模型降阶。
2026-06-02 cs.NA cs.SY eess.SY