抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
モデル予測制御(MPC)は制約のあるシステムを制御するための有用な手段を提供するが,実時間で最適化問題を繰り返し解く計算負荷に悩まされる。MPCに対するオフライン(陽)解は,マルチパラメトリックプログラミングまたは機械学習のいずれかを用いて実時間計算課題を軽減することを試みた。マルチパラメトリック手法は線形または二次MPC問題に対して典型的に適用され,一方学習ベース手法はより柔軟であり,メモリ集約度が少ない。既存の学習ベース手法は,重要な高速化を提供するが,その課題は,良好な性能を維持しながら制約充足を確実にする。本論文では,この問題の制約を明確に符号化するMPCポリシーのニューラルネットワークパラメタリゼーションを提供した。教師なし学習パラダイムにおけるMPC実行可能集合の内部を探索することにより,ニューラルネットワークは射影ベース法よりも高速に良好なポリシーを見出し,かなり短い解時間を示した。ロバストMPC問題を解くために提案したポリシーを用いて,標準試験システムに関する性能と計算利得を実証した。【JST・京大機械翻訳】