SPSA算法及在函数寻优和控制中的应用的研究.pdfVIP

SPSA算法及其在函数寻优与控制中的应用研究 摘要 在大规模非线性系统的控制优化问题中，损失函数与待优化参数之间往往是 复杂非线性映射，甚至于根本无法建立数学模型。这时候基于梯度的优化算法便 失去了效力，而某些优化算法针对大规模优化时运行速度又差。研究一种无模型 的、高效的、能处理复杂问题的优化算法显得尤为重要。 PerturbationStochastic 本文着重研究了同时扰动随机逼近算法(Simultaneous 内容和创新点如下： 第一、深入总结了同时扰动随机逼近算法，包括算法的实质、改进和用途。 列举了最近两年国内外最新的研究成果。指出了SPSA在控制方面体现出来的特 征：控制过程的无模型性(数据驱动性质)：擅长处理存在大规模变量的控制问题： 对噪声和干扰的鲁棒性：算法简单，易于计算机实现；其迭代形式可以更好的同 其它控制算法结合。 第二、针对存在大规模变量的非线性函数寻优，研究了基于SPSA的函数寻 优方法。SPSA求解采用“估计梯度”来不断修正搜索方向，以逐步接近最小值。 该方法的特点是能够求解大量参数的无约束最优化问题。给出该方法求解的基本 步骤，并以两个实例做了仿真研究。 第三、针对船舶的航向控制问题，提出一种基于SPSA的PD控制方案。运 逼近PD控制器的性能指标函数的梯度，并以此迭代修正控制器参数。将所设计 的基于SPSA的PD控制方案应用于船舶航向的控制，并用仿真实验验证了该方 案的有效性。 关键词：同时扰动随机逼近；PD控制；函数优化：航向控制。 1111IP；I 11Jlit[Jr IlllIllllll IfIIJ Y21 79067 0NSPSA ANDITS RESERCHALGORITHM IN APPLICATIONSFUNCTION AND CONTROL ABSTRACT Inthe nonlinear thereare nonlinear largecomplicatedsystem，usually complex andthe betweenthelossfunctions mappings preparativeoptimizationparameters，SO we establishtheirmathematicalmodels．Thenthe cannot optimizationalgorithms basedon lostits for effects，however,some gradient optimizationalgorithmslarge scale havelow is a