論文の概要: VABO: Violation-Aware Bayesian Optimization for Closed-Loop Control Performance Optimization with Unmodeled Constraints

• arxiv url: http://arxiv.org/abs/2110.07479v1
• Date: Thu, 14 Oct 2021 15:51:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-15 15:25:15.925181
• Title: VABO: Violation-Aware Bayesian Optimization for Closed-Loop Control Performance Optimization with Unmodeled Constraints
• Title（参考訳）: vabo:非モデル化制約による閉ループ制御性能最適化のための違反回避ベイズ最適化
• Authors: Wenjie Xu, Colin N Jones, Bratislav Svetozarevic, Christopher R. Laughman, Ankush Chakrabarty
• Abstract要約: 非モデル化力学を用いた閉ループ制御システムの性能最適化問題について検討する。 本稿では,制約対応ソリューションを同時に学習しながら,閉ループ性能を最適化する違反対応BOアルゴリズム(VABO)を提案する。 産業用蒸気圧縮システムのエネルギー最小化のためのVABO法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 2.205124036454768
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of performance optimization of closed-loop control systems with unmodeled dynamics. Bayesian optimization (BO) has been demonstrated effective for improving closed-loop performance by automatically tuning controller gains or reference setpoints in a model-free manner. However, BO methods have rarely been tested on dynamical systems with unmodeled constraints. In this paper, we propose a violation-aware BO algorithm (VABO) that optimizes closed-loop performance while simultaneously learning constraint-feasible solutions. Unlike classical constrained BO methods which allow an unlimited constraint violations, or safe BO algorithms that are conservative and try to operate with near-zero violations, we allow budgeted constraint violations to improve constraint learning and accelerate optimization. We demonstrate the effectiveness of our proposed VABO method for energy minimization of industrial vapor compression systems.
• Abstract（参考訳）: 非モデル化力学を用いた閉ループ制御システムの性能最適化問題について検討する。 ベイズ最適化(BO)は,制御器ゲインや参照セットポイントをモデルフリーで自動チューニングすることで,閉ループ性能向上に有効であることが実証されている。 しかし、bo法が非モデル化制約のある力学系でテストされることは滅多にない。 本稿では,制約対応ソリューションを同時に学習しながらクローズドループ性能を最適化する,違反対応BOアルゴリズムを提案する。 制約違反を無制限に許容する従来の制限付きboメソッドや、保守的でゼロに近い違反で動作しようとする安全なboアルゴリズムとは異なり、予算制限違反は制約学習を改善し最適化を加速する。 産業用蒸気圧縮システムのエネルギー最小化のためのVABO法の有効性を実証する。

関連論文リスト

• Local Bayesian Optimization for Controller Tuning with Crash Constraints [47.30677525394649]
  我々は最近提案されたBOの局所変種をクラッシュ制約を含むように拡張し、制御器は未知の既知領域でしか評価できないようにした。 本研究は,制御性能の向上とチューニングに必要な時間と資源の削減を目的としたローカルBOの可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-25T10:37:48Z)
• Sample-efficient Bayesian Optimisation Using Known Invariances [56.34916328814857]
  バニラと制約付きBOアルゴリズムは、不変目的を最適化する際の非効率性を示す。 我々はこれらの不変カーネルの最大情報ゲインを導出する。 核融合炉用電流駆動システムの設計に本手法を用い, 高性能溶液の探索を行った。
  論文  参考訳（メタデータ） (2024-10-22T12:51:46Z)
• Growing Q-Networks: Solving Continuous Control Tasks with Adaptive Control Resolution [51.83951489847344]
  ロボット工学の応用において、スムーズな制御信号はシステム摩耗とエネルギー効率を減らすために一般的に好まれる。 本研究では,離散的な動作空間を粗い状態から細かい制御分解能まで拡大することにより,この性能ギャップを埋めることを目的とする。 我々の研究は、値分解とアダプティブ・コントロール・リゾリューションが組み合わさることで、単純な批判のみのアルゴリズムが得られ、連続制御タスクにおいて驚くほど高い性能が得られることを示唆している。
  論文  参考訳（メタデータ） (2024-04-05T17:58:37Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Primal-Dual Contextual Bayesian Optimization for Control System Online Optimization with Time-Average Constraints [21.38692458445459]
  本稿では,制約付き閉ループ制御システムのオンライン性能最適化問題について検討する。 動的最適解に対する線形累積後悔を克服する主元-双対文脈ベイズ最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-12T18:37:52Z)
• Violation-Aware Contextual Bayesian Optimization for Controller Performance Optimization with Unmodeled Constraints [1.8730951928453339]
  非モデル化力学を用いた閉ループ制御システムの性能最適化問題について検討する。 本稿では,制約対応ソリューションを学習しながらクローズドループ性能を最適化する,違反認識型コンテキストBOアルゴリズム(VACBO)を提案する。 本研究では, 産業用蒸気圧縮システムの時変温度および湿度下でのエネルギー最小化のためのVACBO法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-01-28T05:48:40Z)
• CONFIG: Constrained Efficient Global Optimization for Closed-Loop Control System Optimization with Unmodeled Constraints [11.523746174066702]
  OPTアルゴリズムは未知系の非モデル制約による閉ループ制御性能を最適化するために用いられる。 その結果,提案アルゴリズムは,最適性保証のないCEI (Constrained expecteded Improvement) アルゴリズムと競合する性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2022-11-21T19:44:00Z)
• Model-based Causal Bayesian Optimization [78.120734120667]
  モデルに基づく因果ベイズ最適化(MCBO)を提案する。 MCBOは介入と逆のペアをモデリングするのではなく、完全なシステムモデルを学ぶ。 標準的なベイズ最適化とは異なり、我々の取得関数は閉形式では評価できない。
  論文  参考訳（メタデータ） (2022-11-18T14:28:21Z)
• Tuning Particle Accelerators with Safety Constraints using Bayesian Optimization [73.94660141019764]
  粒子加速器の機械パラメータのチューニングは反復的で時間を要する作業である。 我々は、安全なベイズ最適化のステップサイズ制限版を提案し、評価する。
  論文  参考訳（メタデータ） (2022-03-26T02:21:03Z)
• Safe and Efficient Model-free Adaptive Control via Bayesian Optimization [39.962395119933596]
  適応制御のための純粋データ駆動型モデルフリーアプローチを提案する。 システムデータのみに基づく低レベルコントローラのチューニングは、アルゴリズムの安全性と計算性能に懸念を生じさせる。 我々は,提案手法がサンプル効率であり,安全性の観点から制約ベイズ最適化よりも優れており,グリッド評価によって計算された性能オプティマを達成することを数値的に示す。
  論文  参考訳（メタデータ） (2021-01-19T19:15:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。