一种用于实时求解时变约束凸优化问题的动态嵌入方法

《Systems & Control Letters》:A dynamic embedding method for the real-time solution of time-varying constrained convex optimization problems

【字体: 大 中 小 】 时间:2026年02月11日 来源:Systems & Control Letters 2.8

编辑推荐:

  本文提出了一种用于实时求解时变约束凸优化问题的方法。关键思想是将最优解嵌入到一个虚拟动态系统的内部状态中,该虚拟系统与底层优化问题并行演化。该系统的设计使其轨迹以可调、可解析计算的界跟踪最优解,并始终保持相对于问题约束的可行性,无需事先了解成本函数或约束的动态

  
本文提出了一种用于实时求解时变约束凸优化问题的方法。关键思想是将最优解嵌入到一个虚拟动态系统的内部状态中,该虚拟系统与底层优化问题并行演化。该系统的设计使其轨迹以可调、可解析计算的界跟踪最优解,并始终保持相对于问题约束的可行性,无需事先了解成本函数或约束的动态特性。此外,当成本函数和约束是时不变时,所提出的方法保证指数收敛到最优解。通过两个数值示例验证了该方法的有效性:(i) 多智能体跟踪场景;以及 (ii) 无碰撞机器人导航任务。
时变约束凸优化问题在控制、机器人、信号处理等领域具有广泛应用,例如姿态估计、路径规划、移动目标跟踪等。然而,实际中成本函数和约束条件往往随时间变化,需要实时跟踪最优解。现有方法主要分为两类:第一类方法假设时变参数的时间导数θ?(t)已知或可估计,从而精确跟踪最优轨迹,但这一假设在机器人-人交互等场景中难以满足;第二类方法不需要θ?(t)信息,通过求解一系列时不变优化问题来逼近最优解,但通常只能达到有界跟踪,且无法保证始终可行,尤其是在参数快速变化时性能下降。针对上述问题,研究人员提出了一种基于动态嵌入的实时求解方法,属于第二类方法,但具有独特优势:不需要θ?(t)信息,能够提供可解析计算的跟踪误差界,并保证任意时刻可行性。该论文发表在《Systems》上。

研究人员采用原始-对偶梯度流(primal-dual gradient flow)框架,将最优解嵌入到一个虚拟动态系统(virtual dynamical system)的内部状态中。该系统通过修改的障碍函数(modified barrier function)和约束收紧(constraint tightening)技术设计,使得系统轨迹在可调界内跟踪最优解,同时始终保持可行性。理论分析证明了跟踪性能和任意时刻可行性。通过两个数值实验验证了方法的有效性:多智能体跟踪未知轨迹和机器人无碰撞导航。

主要关键技术方法包括:(1) 原始-对偶梯度流:构建如式(6)的虚拟动态系统,通过原始变量梯度下降和对偶变量梯度上升更新,并与投影算子(projection operator)结合将对偶变量限制在[0, λ?]区间;(2) 修改的障碍函数:如式(3)所示,通过引入对数项将约束纳入目标函数,允许临时违反收紧约束;(3) 约束收紧:如式(2)用参数β将约束边界向内收缩1/β,提供缓冲区域;(4) 自适应Euler离散化:如式(36)所示,采用一阶欧拉离散,并依据与约束边界的距离自适应调整步长σ,避免离散误差破坏可行性。所有数值实验在MATLAB中实现,无样本队列来源。

研究结果:

3.1 多智能体跟踪未知轨迹:通过10个智能体跟踪10个随机移动目标,求解集中式优化问题(37)。结果显示,所提方法有效跟踪最优成本,约束始终满足。计算时间平均6.17×10-4s,比标准coneprog求解器快两个数量级。两智能体示例进一步展示了机器人轨迹和可行性。

3.2 无碰撞机器人导航:圆盘形机器人跟踪任意目标轨迹,同时避开m个圆形障碍物,将投影问题转化为时变凸优化(38)。结果显示,机器人成功跟踪目标并避免碰撞,解接近最优投影,仅在参数快速变化时有小偏差。计算时间平均1.175×10-5s,比fmincon快约10倍。

总结讨论部分:讨论指出,所提方法不需要未来信息,提供可调跟踪界和任意时刻可行性,数值实验验证了有效性。未来工作将集成到模型预测控制(model predictive control, MPC)和基于控制屏障函数(control barrier function, CBF)的安全滤波器中,以实现动态环境中有限计算资源的自主系统安全可靠运行。此外,扩展到分布式优化设置并与动量方法结合以提升跟踪性能也是潜在方向。

研究结论部分翻译:本文开发了一种用于实时求解时变约束凸优化问题的方法。该方法的一个关键特征是不需要事先了解成本函数和约束的动态特性,也不需要估计其未来行为。核心思想是采用原始-对偶梯度流将最优解嵌入到虚拟动态系统的内部状态中。该虚拟系统与优化问题并行运行,在可调和可解析计算的界内跟踪最优解,同时确保所获得的解始终满足问题约束。通过两个代表性数值示例验证了该方法的有效性:(i) 多智能体跟踪未知轨迹;(ii) 无碰撞机器人导航朝向移动目标。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号