論文の概要: Data/moment-driven approaches for fast predictive control of collective
dynamics
- arxiv url: http://arxiv.org/abs/2402.15611v1
- Date: Fri, 23 Feb 2024 21:21:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-27 17:51:06.038721
- Title: Data/moment-driven approaches for fast predictive control of collective
dynamics
- Title(参考訳): データ/モーメント駆動による集団力学の高速予測制御
- Authors: Giacomo Albi, Sara Bicego, Michael Herty, Yuyang Huang, Dante Kalise,
Chiara Segala
- Abstract要約: モデル予測制御(MPC)の2つの代替案が提案されている。
まず,最適フィードバック法則のオフライン近似における教師あり学習手法の利用について述べる。
次に,粒子アンサンブルの巨視的量に基づく力学の逐次線形化に基づく手順を概説する。
- 参考スコア(独自算出の注目度): 1.0557437060274468
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Feedback control synthesis for large-scale particle systems is reviewed in
the framework of model predictive control (MPC). The high-dimensional character
of collective dynamics hampers the performance of traditional MPC algorithms
based on fast online dynamic optimization at every time step. Two alternatives
to MPC are proposed. First, the use of supervised learning techniques for the
offline approximation of optimal feedback laws is discussed. Then, a procedure
based on sequential linearization of the dynamics based on macroscopic
quantities of the particle ensemble is reviewed. Both approaches circumvent the
online solution of optimal control problems enabling fast, real-time, feedback
synthesis for large-scale particle systems. Numerical experiments assess the
performance of the proposed algorithms.
- Abstract(参考訳): 大規模粒子系のフィードバック制御合成についてモデル予測制御(mpc)の枠組みで概説する。
集団動力学の高次元特性は、各ステップ毎の高速オンライン動的最適化に基づく従来のmpcアルゴリズムの性能を阻害する。
mpcの代替案が2つ提案されている。
まず,最適フィードバック法則のオフライン近似における教師あり学習手法の利用について述べる。
次に,粒子アンサンブルのマクロ量に基づく力学の逐次線形化に基づく手順について検討する。
どちらのアプローチも、大規模粒子システムのための高速でリアルタイムなフィードバック合成を可能にする最適制御問題のオンラインソリューションを回避する。
提案アルゴリズムの性能を評価する数値実験を行った。
関連論文リスト
- Online Variational Sequential Monte Carlo [56.16884466478886]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳(メタデータ) (2023-12-19T21:45:38Z) - Pontryagin Optimal Control via Neural Networks [19.546571122359534]
我々は,ニューラルネットワークをポントリャーギンの最大原理(PMP)と統合し,NN-PMP-Gradient の効率的なフレームワークを提案する。
結果として生じるコントローラは、未知の複雑な力学を持つシステムに実装することができる。
モデルフリーおよびモデルベース強化学習(RL)アルゴリズムと比較して, NN-PMP-Gradientは, 制御目的の観点から高いサンプル効率と性能を実現する。
論文 参考訳(メタデータ) (2022-12-30T06:47:03Z) - Introduction to Online Nonstochastic Control [65.18774760752588]
オンラインの非確率制御では、コスト関数と仮定された力学モデルからの摂動の両方が敵によって選択される。
目標は、ベンチマーククラスの政策から見て、最高の政策に対して低い後悔を得ることだ。
論文 参考訳(メタデータ) (2022-11-17T16:12:45Z) - Towards Robust and Accurate Myoelectric Controller Design based on
Multi-objective Optimization using Evolutionary Computation [0.22835610890984162]
我々は、カーネル化されたSVM分類器を考慮し、エネルギー効率の良いEMGベースのコントローラを設計する手法を提案している。
EMGをベースとした制御器の最適化性能を達成するため,分類器設計の主な戦略は,システム全体の誤動作を低減することである。
エリート的多目的進化アルゴリズムの$-$は、非支配的なソート遺伝的アルゴリズムNSGA-II (Non-dominated sorting genetic algorithm II) であり、SVMのハイパーパラメータをチューニングするために使われている。
論文 参考訳(メタデータ) (2022-04-02T06:13:01Z) - Comparative analysis of machine learning methods for active flow control [60.53767050487434]
遺伝的プログラミング(GP)と強化学習(RL)はフロー制御において人気を集めている。
この研究は2つの比較分析を行い、地球規模の最適化手法に対して最も代表的なアルゴリズムのいくつかをベンチマークする。
論文 参考訳(メタデータ) (2022-02-23T18:11:19Z) - High-dimensional Bayesian Optimization Algorithm with Recurrent Neural
Network for Disease Control Models in Time Series [1.9371782627708491]
本稿では,リカレントニューラルネットワークを組み合わせた高次元ベイズ最適化アルゴリズムを提案する。
提案したRNN-BOアルゴリズムは,低次元空間における最適制御問題を解くことができる。
また、RNN層の異なる数の影響や、ソリューションの品質と関連する計算努力のトレードオフに対する訓練のエポックスについても論じる。
論文 参考訳(メタデータ) (2022-01-01T08:40:17Z) - Quadratic mutual information regularization in real-time deep CNN models [51.66271681532262]
擬似相互情報による正規化手法を提案する。
種々の二項分類問題の実験を行い,提案モデルの有効性を示した。
論文 参考訳(メタデータ) (2021-08-26T13:14:24Z) - Policy Analysis using Synthetic Controls in Continuous-Time [101.35070661471124]
因果推論における手法開発において, 合成制御を用いた因果推定は最も成功した手法の1つである。
本稿では,制御された微分方程式の定式化を明示的に用い,潜在反事実経路をモデル化する連続時間代替法を提案する。
論文 参考訳(メタデータ) (2021-02-02T16:07:39Z) - Contextual Latent-Movements Off-Policy Optimization for Robotic
Manipulation Skills [41.140532647789456]
本稿では,低次元非線形潜在力学の獲得のために,実験軌道の扱いに関する新しい考え方を提案する。
LAAMPO (Latent-Movements Policy Optimization) と呼ばれる新しい文脈外RLアルゴリズムを導入する。
LAMPOは、文献における一般的なアプローチに対するサンプル効率のよいポリシーを提供する。
論文 参考訳(メタデータ) (2020-10-26T17:53:30Z) - Single-step deep reinforcement learning for open-loop control of laminar
and turbulent flows [0.0]
本研究は,流体力学系の最適化と制御を支援するための深部強化学習(DRL)技術の能力を評価する。
原型ポリシー最適化(PPO)アルゴリズムの新たな"退化"バージョンを組み合わせることで、学習エピソード当たり1回だけシステムを最適化するニューラルネットワークをトレーニングする。
論文 参考訳(メタデータ) (2020-06-04T16:11:26Z) - Information Theoretic Model Predictive Q-Learning [64.74041985237105]
本稿では,情報理論的MPCとエントロピー正規化RLとの新たな理論的関連性を示す。
バイアスモデルを利用したQ-ラーニングアルゴリズムを開発した。
論文 参考訳(メタデータ) (2019-12-31T00:29:22Z)
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。