We study the convergence properties of an overlapping Schwarz decomposition~algorithm for solving nonlinear optimal control problems (OCPs). The approach decomposes the time domain into a set of overlapping subdomains, and solves subproblems defined over such subdomains in parallel. Convergence is attained by updating primal-dual information at the boundaries of the overlapping regions. We show that the algorithm exhibits local linear convergence and that the convergence rate improves exponentially with the overlap size. Our convergence results rely on a sensitivity result for OCPs that we call "exponential decay of sensitivity" (EDS). Intuitively, EDS states that the impact of parametric perturbations at the boundaries of the domain (initial and final time) decays exponentially as one moves into the domain. We show that EDS holds for nonlinear OCPs under a uniform second-order sufficient condition, a controllability condition, and a uniform boundedness condition. We conduct numerical experiments using a quadrotor motion planning problem and a PDE control problem; and show that the approach is significantly more efficient than ADMM and as efficient as the centralized solver Ipopt.


翻译:我们研究了一个重叠的Schwarz分解分解 ~algorithm 的趋同特性,以解决非线性最佳控制问题(OCPs) 。 这种方法将时间域分解成一组相重叠的子域, 并同时解决为这些次域定义的子问题。 通过在重叠区域的边界更新原始- 双向信息, 实现了趋同。 我们显示, 算法显示本地线性趋同, 趋同率随重叠的大小而成倍提高。 我们的趋同结果取决于我们称之为“ 敏感度的加速衰变” (EDS) 的 OCPs 敏感结果。 直觉地说, EDS 指出, 域边界( 初始和最终时间) 的参数过错影响随着向域的移动而急剧衰减。 我们显示, EDS 持有非线性 OCPs, 处于统一的第二阶线性充分条件、 可控性条件和统一约束性条件之下。 我们使用夸德罗托尔运动规划问题和 IDE控制问题进行数字实验。 从直觉看, 显示, 集中式的方法比 ADM 有效, 解为 。

0
下载
关闭预览

相关内容

专知会员服务
14+阅读 · 2021年5月21日
【UBC】高级机器学习课程,Advanced Machine Learning
专知会员服务
24+阅读 · 2021年1月26日
【浙江大学】计算摄影学 (Computational Photography)课程
专知会员服务
25+阅读 · 2020年12月26日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Coordinate Descent Methods for DC Minimization
Arxiv
0+阅读 · 2021年9月9日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员