.png){kind=icon}
返回
MPR: A novel randomized algorithm for multi-parametric programming
.png){kind=icon}
OA
AI
DOI：10.1016/j.automatica.2026.112873.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于随机采样的新范式，用于构建多参数二次或线性规划的最优映射。在用户定义的覆盖率和置信度参数的条件下，提供了关于映射构建区域的覆盖概率保证。大量的模拟结果表明，所提出的Multi-Parametric Randomized算法（MPR）优于当前最先进的方法。
Keyword:
Multi-parametric programming
Randomized algorithms
Explicit model predictive control
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.9
论文数:
1.2W
被引数:
6.3W
机构
引用论文
A dynamic programming approach to solving constrained linear-quadratic optimal control problems.png)
AUTOMATICAOAAI
AUTOMATICAIF5.9
OAAI分享收藏Enumeration-based approach to solving parametric linear complementarity problems基于枚举的参数线性互补问题求解方法AUTOMATICA
AUTOMATICAIF5.9
PREAI
分享收藏Combinatorial Approach Toward Multiparametric Quadratic Programming Based on Characterizing Adjacent Critical Regions基于相邻临界区域特征的多参数二次规划组合方法OAAI
OAAI分享收藏
查看更多内容