Fugu-MT 論文翻訳(概要): A direct optimization algorithm for input-constrained MPC

論文の概要: A direct optimization algorithm for input-constrained MPC

arxiv url: http://arxiv.org/abs/2306.15079v5
Date: Sat, 6 Jan 2024 19:53:25 GMT
ステータス: 処理完了
システム内更新日: 2024-01-09 23:36:44.452127
Title: A direct optimization algorithm for input-constrained MPC
Title（参考訳）: 入力制約型mpcの直接最適化アルゴリズム
Authors: Liang Wu, Richard D Braatz
Abstract要約: 本稿では,入力制約付きMPCのテキスト指向最適化アルゴリズムを初めて提案する。繰り返しの数はデータ非依存であり、問題の次元$n$に依存し、正確な値は$leftlceilfraclog(frac2nepsilon)-2log(fracsqrt2n+sqrt2n+sqrt2-1)rightrceil + 1$である。
参考スコア（独自算出の注目度）: 3.661374313643381
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A challenge of running a model predictive control (MPC) algorithm in a production-embedded platform is to provide the certificate of worst-case computation complexity, that is, its maximum execution time needs to always be smaller than the sampling time. This article proposes for the first time a \textit{direct} optimization algorithm for input-constrained MPC: the number of iterations is data-independent and dependent on the problem dimension $n$, with exact value $\left\lceil\frac{\log(\frac{2n}{\epsilon})}{-2\log(\frac{\sqrt{2n}}{\sqrt{2n}+\sqrt{2}-1})}\right\rceil + 1$, where $\epsilon$ denotes a given stopping accuracy.
Abstract（参考訳）: モデル予測制御(model prediction control, mpc)アルゴリズムを本番組込みプラットフォームで実行する上での課題は,最悪の計算複雑性の証明書を提供することである。本稿では、入力制約付きMPCに対する \textit{direct} 最適化アルゴリズムを初めて提案する: 繰り返しの回数は、問題次元$n$、正確な値 $\left\lceil\frac{\log(\frac{2n}{\epsilon})}{-2\log(\frac{\sqrt{2n}}{\sqrt{2n}+\sqrt{2}-1})}\right\rceil + 1$, ここで$\epsilon$は与えられた停止精度を示す。

関連論文リスト

Perturb-and-Project: Differentially Private Similarities and Marginals [73.98880839337873]
差分プライバシーのための入力摂動フレームワークを再検討し、入力にノイズを付加する。まず、ペアワイズ・コサイン類似性をプライベートにリリースするための新しい効率的なアルゴリズムを設計する。我々は,$k$の辺縁クエリを$n$の機能に対して計算する新しいアルゴリズムを導出する。
論文参考訳（メタデータ） (2024-06-07T12:07:16Z)
Robust Second-Order Nonconvex Optimization and Its Application to Low Rank Matrix Sensing [47.32366699399839]
近似第二エピシロン依存(SOSP)の発見は、よく研究され基礎的な問題である。本稿では,低次元センサマシン最適化問題に適用する。
論文参考訳（メタデータ） (2024-03-12T01:27:44Z)
Anytime-Constrained Reinforcement Learning [6.981971551979697]
制約付きマルコフ決定過程(cMDP)を任意の制約で導入・研究する。累積コストを付加した最適決定主義的政策が存在することを示す。非自明な概略的ポリシーの計算は一般にNPハードであることが示される。
論文参考訳（メタデータ） (2023-11-09T16:51:26Z)
Sub-linear Regret in Adaptive Model Predictive Control [56.705978425244496]
本稿では,STT-MPC (Self-Tuning tube-based Model Predictive Control) について述べる。システム力学を最初に認識したアルゴリズムと比較して,アルゴリズムの後悔を解析する。
論文参考訳（メタデータ） (2023-10-07T15:07:10Z)
Efficient Algorithms for Planning with Participation Constraints [74.74967476995572]
我々は[Zhang et al., 2022]に導入された参加制約を伴う計画の問題を考える。この問題では、プリンシパルが決定プロセスのアクションを選択し、プリンシパルとエージェントの別々のユーティリティが生成される。有限ホライズン設定では,これまでは$varepsilon$-approximationという付加値しか知られていなかった。
論文参考訳（メタデータ） (2022-05-16T15:47:41Z)
Learning Infinite-Horizon Average-Reward Markov Decision Processes with Constraints [39.715977181666766]
本研究では,無限水平平均回帰マルコフ決定過程(MDP)のコスト制約による後悔について検討する。我々のアルゴリズムはエルゴディックMDPに対して$widetildeO(sqrtT)$ regret and constant constraint violationを保証します。これらは、MDPをコスト制約で弱い通信を行うための最初の証明可能なアルゴリズムである。
論文参考訳（メタデータ） (2022-01-31T23:52:34Z)
Higher-order Derivatives of Weighted Finite-state Machines [68.43084108204741]
本研究では、重み付き有限状態機械の正規化定数に関する高次微分の計算について検討する。文献に記載されていないすべての順序の導関数を評価するための一般アルゴリズムを提案する。我々のアルゴリズムは以前のアルゴリズムよりもはるかに高速である。
論文参考訳（メタデータ） (2021-06-01T19:51:55Z)
Deterministic Approximation for Submodular Maximization over a Matroid in Nearly Linear Time [16.26380955876814]
マトロイド制約を受ける非単調で非負な部分モジュラ函数を最大化する問題について検討する。この決定論的比は、$mathcalO(nr)$時間複雑さの下で$frac14$に改善できることを示す。次に、TwinGreedyFastというより実用的なアルゴリズムを提案し、ほぼ直線的な実行時間で$frac14-epsilon$決定率を達成する。
論文参考訳（メタデータ） (2020-10-22T03:52:08Z)
A Polynomial Time Algorithm for Learning Halfspaces with Tsybakov Noise [55.45544638410858]
本研究では,Tsybakovノイズの存在下でのPAC学習の相同性半空間の問題について検討する。我々のアルゴリズムは、任意の精度$epsilon$で真のハーフスペースを学習する。
論文参考訳（メタデータ） (2020-10-04T22:19:06Z)
Provably Efficient Model-Free Algorithm for MDPs with Peak Constraints [38.2783003051101]
本稿では,有限地平線における全報酬の最大化と,各エポックにおける制約を確率1で満たすため,エージェントがポリシーを選択する,制約付きマルコフ決定プロセス(PCMDP)について考察する。そこで本研究では,PCMDP問題を制約のない問題に変換するモデルフリーアルゴリズムを提案し,Q-ラーニングに基づくアプローチを適用した。
論文参考訳（メタデータ） (2020-03-11T23:23:29Z)

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。