PulseAugur
中
实时 05:38:45
English(EN) Learning-enabled Acceleration of Scenario-based Model Predictive Control

新算法利用AI加速场景模型预测控制

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的算法，可以加速场景模型预测控制（SBMPC）在实时应用中的应用。这种支持学习的交替方向乘子法（ADMM）算法利用并行计算和Moreau包络学习来更有效地解决复杂的SBMPC问题。该方法重新构建了SBMPC问题，以便在场景和时间步长之间进行并行更新，与IPOPT和MadNLP等传统求解器相比，显著减少了计算时间，同时保持了精确的控制性能。 AI

影响 这种新算法可以通过利用AI进行加速，从而在微电网等复杂系统中实现更高效的实时控制。

排序理由 该集群包含一篇详细介绍特定控制问题新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新算法利用AI加速场景模型预测控制

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Truong X. Nghiem ·

    基于学习的场景模型预测控制加速

    Scenario-based model predictive control (SBMPC) is a variant of model predictive control (MPC) that explicitly accounts for uncertainty by optimizing control actions over multiple predicted scenarios. However, its computational complexity increases rapidly with the number of scen…

相关实体

相关话题