論文の概要: Dynamic Controlled Variables Based Dynamic Self-Optimizing Control
- arxiv url: http://arxiv.org/abs/2605.06469v1
- Date: Thu, 07 May 2026 15:56:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-08 22:27:11.964496
- Title: Dynamic Controlled Variables Based Dynamic Self-Optimizing Control
- Title（参考訳）: 動的制御変数に基づく動的自己最適化制御
- Abstract要約: 本稿では,動的最適化のための自己最適化制御問題を提案する。
動的制御変数(DCV)という新しい概念が提案され,暗黙的な制御ポリシーが提示される。
3つのケーススタディは,多値および不連続関数の近似におけるDCVの有効性と優位性を検証した。
- 参考スコア（独自算出の注目度）: 7.059292799393625
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Self-optimizing control is a strategy for selecting controlled variables, where the economic objective guides the selection and design of controlled variables, with the expectation that maintaining the controlled variables at constant values can achieve optimization effects, translating the process optimization problem into a process control problem. Currently, self-optimizing control is widely applied to steady-state optimization problems. However, the development of process systems exhibits a trend towards refinement, highlighting the importance of optimizing dynamic processes such as batch processes and grade transitions. This paper formally introduces the self-optimizing control problem for dynamic optimization, termed the dynamic self-optimizing control problem, extending the original definition of self-optimizing control. A novel concept, "dynamic controlled variables" (DCVs), is proposed, and an implicit control policy is presented based on this concept. The paper theoretically analyzes the advantages and generality of DCVs compared to explicit control strategies and elucidates the relationship between DCVs and traditional controllers. Moreover, this paper puts forth a data-driven approach to designing self-optimizing DCVs, which considers DCV design as a mapping identification problem and employs deep neural networks to parameterize the variables. Three case studies validate the efficacy and superiority of DCVs in approximating multi-valued and discontinuous functions, as well as their application to dynamic optimization problems with non-fixed horizons, which traditional self-optimizing control methods are unable to address.
- Abstract（参考訳）: 自己最適化制御は、制御変数の選択と設計を経済的な目的が導く制御変数を選択するための戦略であり、制御変数を一定値に保つことで最適化効果を達成し、プロセス最適化問題をプロセス制御問題に変換することを期待する。
現在、自己最適化制御は定常最適化問題に広く適用されている。
しかし、プロセスシステムの開発は改善の傾向を示し、バッチプロセスやグレード遷移といった動的なプロセスを最適化することの重要性を強調している。
本稿では、動的最適化のための自己最適化制御問題を、動的自己最適化制御問題と呼び、本来の自己最適化制御の定義を拡張した。
動的制御変数(DCV)という新しい概念が提案され,この概念に基づいて暗黙的な制御ポリシーが提示される。
本論文は,DCVの利点と汎用性を明示的な制御戦略と比較して理論的に分析し,DCVと従来のコントローラの関係を解明する。
さらに,DCV設計をマッピング識別問題として考慮し,変数のパラメータ化にディープニューラルネットワークを用いる,自己最適化型DCVの設計のためのデータ駆動型アプローチを提案する。
3つのケーススタディは、DCVが多値かつ不連続な関数を近似する上での有効性と優位性を検証するとともに、従来の自己最適化制御手法では対応できない非固定地平線による動的最適化問題にも適用できることを示した。
関連論文リスト
- From Open Loop to Closed Loop: A Test-Time Iterative Optimization Framework for Reference-Consistent Image Generation [108.02425846269234]
制御可能な画像生成は、視覚的参照条件を組み込むことで、大きな進歩を遂げた。
既存の方法は、主にオープンループシステムとして動作する。
本稿では,閉ループ動的トラッキング問題として参照一貫性生成を再構成する新しいテスト時間反復最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-06T05:36:30Z) - End-to-End Learning of Quantum Control on Latent Dynamical Manifold [13.119254069186034]
従来の量子制御は反復的な「シミュレート・then-Optimize」パラダイムに依存している。
本稿では,長期記憶に基づくエンドツーエンドの量子制御フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-26T09:57:12Z) - Guidance Is Not a Hyperparameter: Learning Dynamic Control in Diffusion Language Models [8.501624260424387]
我々はCFG尺度の選択を逐次決定問題として再考し、強化学習を通して動的誘導軌道の学習を提案する。
離散拡散言語モデルを用いた3つの制御されたNLP生成タスクの実験により、適応的ガイダンスは固定スケール戦略よりも制御可能性と生成品質のバランスが良いことを示す。
論文 参考訳（メタデータ） (2026-05-08T13:12:32Z) - Why Steering Works: Toward a Unified View of Language Model Parameter Dynamics [81.80010043113445]
局所的な微調整、LoRAに基づく適応、およびアクティベーションに基づく介入を分離して研究する。
制御信号によって誘導される動的ウェイト更新として、これらの介入をフレーム化する統一的な視点を示す。
提案手法では,選択と効用との間に一貫したトレードオフが観測される。
論文 参考訳（メタデータ） (2026-02-02T17:04:36Z) - COVLM-RL: Critical Object-Oriented Reasoning for Autonomous Driving Using VLM-Guided Reinforcement Learning [55.83415345423854]
批判的オブジェクト指向(CO)推論と強化学習(RL)を統合した新しいエンドツーエンド駆動フレームワークCOVLM-RLを提案する。
CARLAシミュレータで行った実験により、COVLM-RLはトレーニング運転環境における成功率を30%向上することが示された。
論文 参考訳（メタデータ） (2025-12-10T06:18:16Z) - Optimal Control Operator Perspective and a Neural Adaptive Spectral Method [43.684201849848314]
最適制御問題(OCP)は、コスト関数が最適化されるような動的システムの制御関数を見つけることである。
本稿では,OCPをワンショットで解決する新しいインスタンス・ソリューション・コントロール・オペレーター・パースペクティブを提案する。
合成環境と実世界のデータセットの実験により、我々のアプローチの有効性と効率が検証された。
論文 参考訳（メタデータ） (2024-12-17T02:06:34Z) - Introduction to Online Control [31.67032731719622]
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) - On the Optimization Landscape of Dynamic Output Feedback: A Case Study
for Linear Quadratic Regulator [12.255864026960403]
動的コントローラの座標変換によってdLQRコストがどう変化するかを示し、次に与えられた可観測安定化コントローラの最適変換を導出する。
これらの結果は、部分的に観測された情報を含む一般的な意思決定問題に対する効率的なアルゴリズムの設計に光を当てた。
論文 参考訳（メタデータ） (2022-09-12T06:43:35Z) - On Controller Tuning with Time-Varying Bayesian Optimization [74.57758188038375]
制御対象とその変更に関する適切な事前知識を用いて、時間変化最適化(TVBO)を用いて、変更環境におけるコントローラのオンラインチューニングを行う。
本研究では,不確実性注入(UI)を用いたTVBO戦略を提案する。
我々のモデルはTVBOの最先端手法よりも優れており、後悔の軽減と不安定なパラメータ構成の低減を実現している。
論文 参考訳（メタデータ） (2022-07-22T14:54:13Z) - Sparsity in Partially Controllable Linear Systems [56.142264865866636]
本研究では, 部分制御可能な線形力学系について, 基礎となる空間パターンを用いて検討する。
最適制御には無関係な状態変数を特徴付ける。
論文 参考訳（メタデータ） (2021-10-12T16:41:47Z) - Non-stationary Online Learning with Memory and Non-stochastic Control [71.14503310914799]
我々は,過去の決定に依拠する損失関数を許容するメモリを用いたオンライン凸最適化(OCO)の問題について検討する。
本稿では,非定常環境に対してロバストなアルゴリズムを設計するための性能指標として,動的ポリシーの後悔を紹介する。
我々は,時間的地平線,非定常度,メモリ長といった面で,最適な動的ポリシーの後悔を確実に享受するメモリ付きOCOの新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-07T09:45:15Z)
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。