論文の概要: Online Switching Control as Learning with Experts
- arxiv url: http://arxiv.org/abs/2611.18352v1
- Date: Fri, 13 Nov 2026 16:00:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.357735
- Title: Online Switching Control as Learning with Experts
- Title(参考訳): 専門家による学習としてのオンラインスイッチング制御
- Abstract要約: 我々は、未知の乱れやコスト関数の下で累積コストを最小限に抑えるために、適応的なコントローラ列を生成する。
スイッチング抑制機構を持つHedgeアルゴリズムに基づく適応切換アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 2.5616491738275435
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the problem of online switching control for discrete-time nonlinear systems where a controller is sequentially selected from a finite set of candidates. The goal is to generate an adaptive sequence of controllers to minimize the cumulative cost under unknown disturbances and cost functions. Specifically, we consider a full-information feedback setting where realized disturbance effects and cost functions are available after each selection. Using counterfactual costs computed from historical data, we reduce the online switching control problem to the experts problem with switching costs. Then, we propose an adaptive switching algorithm based on the Hedge algorithm with a switching suppression mechanism. Notably, the proposed algorithm achieves an expected regret of $O(\sqrt{T\log N})$, where $T$ is the time horizon and $N$ is the number of candidate controllers, while ensuring uniform boundedness of the state. This matches the optimal regret order for the standard experts problem.
- Abstract(参考訳): 本稿では,有限個の候補から制御器を順次選択する離散時間非線形系のオンラインスイッチング制御の問題に対処する。
目的は、未知の乱れやコスト関数の下で累積コストを最小限に抑えるために、コントローラの適応シーケンスを生成することである。
具体的には、各選択後において、障害効果とコスト関数を実現するための完全な情報フィードバック設定について検討する。
過去のデータから計算した対物コストを用いて、オンラインの切り替え制御問題を、切り替えコストに関する専門家の問題に還元する。
そこで我々は,スイッチング抑制機構を備えたHedgeアルゴリズムに基づく適応切換アルゴリズムを提案する。
特に、提案アルゴリズムは、$O(\sqrt{T\log N})$、$T$は時間的地平線、$N$は状態の均一な有界性を確保しつつ、期待された後悔を達成する。
これは、標準的な専門家の問題に対する最適な後悔の順序と一致します。
関連論文リスト
- A Spectral Filtering Approach to Regret Analysis of Distributed Online Control for Linear Dynamical Systems [0.9137554315375919]
線形時間不変(LTI)システムのネットワーク上での分散オンライン制御問題について検討する。
各エージェントの目標は、ローカルな観測と隣接する通信のみを使用して、制御シーケンスを生成することである。
我々は$O(fracsqrtTtextpoly(log T)3)$というサブ線形後悔境界を確立する。
論文 参考訳(メタデータ) (2026-08-03T15:18:05Z) - Safe Adaptive Learning-based Control for Constrained Linear Quadratic
Regulators with Regret Guarantees [11.627320138064684]
本研究では,2次コスト関数を持つ未知の線形系の状態・動作の安全性制約を考慮した適応制御について検討する。
本アルゴリズムは単一軌道上に実装されており,システム再起動を必要としない。
論文 参考訳(メタデータ) (2021-10-31T05:52:42Z) - Online estimation and control with optimal pathlength regret [52.28457815067461]
オンライン学習アルゴリズムを設計する際の自然なゴールは、入力シーケンスの時間的変動の観点から、アルゴリズムの後悔を束縛することである。
OCOや盗賊など、さまざまなオンライン学習問題に対して、データ依存の「病的」後悔境界が最近取得されている。
論文 参考訳(メタデータ) (2021-10-24T22:43:15Z) - Finite-time System Identification and Adaptive Control in Autoregressive
Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。
我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文 参考訳(メタデータ) (2021-08-26T18:00:00Z) - 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) - Strongly Adaptive OCO with Memory [49.319621885036035]
本稿では,メモリを用いたオンライン学習のための適応型アルゴリズムを提案する。
このアルゴリズムは,線形時間変化システムの制御に強い適応性を持つリセットバウンドをもたらす。
論文 参考訳(メタデータ) (2021-02-02T17:26:08Z) - Meta-Learning Guarantees for Online Receding Horizon Learning Control [0.0]
本稿では,オンラインメタ学習遅延水平方向制御アルゴリズムを反復制御設定で証明可能な後悔の保証を提供する。
イテレーション内で学ぶことの最悪の後悔は、より多くのイテレーションの経験によって改善されることを示します。
論文 参考訳(メタデータ) (2020-10-21T21:57:04Z) - A Meta-Learning Control Algorithm with Provable Finite-Time Guarantees [0.0]
オンラインメタ学習制御アルゴリズムを反復制御設定で証明可能な後悔の保証を提供する。
イテレーション内での学習に対する最悪の後悔は、より多くのイテレーションの経験を積んで継続的に改善することを示しています。
論文 参考訳(メタデータ) (2020-08-30T20:30:40Z) - Logarithmic Regret for Adversarial Online Control [56.12283443161479]
対数的後悔を伴う最初のアルゴリズムを任意対数外乱列に対して与える。
我々のアルゴリズムと分析はオフライン制御法の特徴を利用してオンライン制御問題を(遅延)オンライン学習に還元する。
論文 参考訳(メタデータ) (2020-02-29T06:29:19Z) - Improper Learning for Non-Stochastic Control [78.65807250350755]
逆方向の摂動, 逆方向に選択された凸損失関数, 部分的に観察された状態を含む, 未知の線形力学系を制御することの問題点を考察する。
このパラメトリゼーションにオンライン降下を適用することで、大規模なクローズドループポリシーに対してサブリニア後悔を実現する新しいコントローラが得られる。
我々の境界は、線形力学コントローラの安定化と競合する非確率的制御設定における最初のものである。
論文 参考訳(メタデータ) (2020-01-25T02:12:48Z)
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。