.png){kind=icon}
返回
Accelerated Successive Convex Approximation for Nonlinear Optimization-Based Control
.png){kind=icon}
PRE
AI
DOI：10.1109/TAC.2025.3555375.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
逐次凸近似（SCA）方法作为非线性优化基础控制的可行选项脱颖而出，因为它通过将非线性（潜在非凸）优化问题转化为一系列强凸子问题，有效解决了其带来的挑战。然而，当前SCA算法表现出收敛速度慢的问题，导致在有限采样时间内性能较差。本文将SCA过程重新表述为求解一个固定点非线性方程。通过分析该非线性方程的导数性质，我们引入了一种基于牛顿法的加速SCA算法，旨在提升局部收敛速度，同时继承SCA方法的所有有利特性。具体而言，我们的算法具有以下优势：首先，能够有效处理非线性优化基础控制问题；其次，允许灵活终止，且所有生成的中间解对原始非线性问题均可行；第三，保证收敛，并以局部超线性收敛速度收敛至原始非线性问题的平稳点。最后，我们在多智能体避碰场景中进行实验，以验证其有效性。
Keyword:
Fixed-point problem
Newton method
Nonlinear control
Successive convex approximation (SCA)
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
引用论文
.png){kind=icon}
分享收藏
Distributed Constrained Optimization Over Unbalanced Time-Varying Digraphs: A Randomized Constraint Solving Algorithm不平衡时变有向图上的分布式约束优化: 一种随机约束求解算法
PREAI
分享收藏CasADi: a software framework for nonlinear optimization and optimal controlCasADi: 非线性优化和最优控制的软件框架
PREAI
分享收藏
分享收藏
查看更多内容