分布稳健控制约束于线性一维投影.pdfVIP

分布稳健控制约束于线性一维投影

AlexandrosE.Tzikas,LukasFiechtner,ArecJamgochian,andMykelJ.Kochenderfer

Abstract—分布稳健控制是一种在不确定性下进行最优中决策者选择一个决策输入使期望值最小化成本，假

决策的框架，其目标是在控制动作上最小化期望成本函数，假设最坏情况分布：

设最不利的概率分布来自一个模糊集。我们考虑一类可解释且

表达能力强的模糊集合，这些集合通过不确定参数的一维线性argminmax.(1)

投影的函数的期望值约束来定义。先前的研究表明，在某些条DRO

件下，此类问题可以重新表述为有限凸优化问题。在这项工作

中，我们提出了两种迭代方法，可用于在一般情况下近似求解通过针对最坏情况分布进行优化，DRC提供了分布鲁

此类问题。第一个是基于最佳响应动态的近似算法。第二个是

首先将问题重新表述为半无限规划问题，然后求解一个松弛问棒性而不会对不确定性过于悲观或规定性强[5],[6]。

题的近似方法。我们将我们的方法应用于投资组合构建和轨迹求解DRC的方法通常将问题重新形式化为一个

规划场景。满足所有成员约束的半无限规划问题。然后对问

I.介绍题[7],[8]进行对偶化，或将约束迭代松弛到代表性

的原子子集[9],[10]中。典型的模糊集选择考虑

在这项工作中，我们考虑分布鲁棒控制（DRC），

在名义分布周围的-球内的分布当时被定义

本其中未知参数系统中的遵循一个未知的概率分布。尽

为，对于某些差异度量，例如

译管分布是未知的，但我们假设它属于一个已知集合概KL散度[11],[12]、其他一般的-散度[13],[14]或

率分布的，称为模糊集。这种表述是适用于概率分布Wasserstein距离[15],[16]。高效的DRC解决方案已

中参数的无法轻易确定或会随时间变化的应用场景。示被考虑用于许多模糊集[5],[6]。然而，仍存在一个常

1例包括在不了解未来资产价格变动的情况下构建投资见的挑战模糊集在选择中，即超参数的选择和互操作

v组合或在需求实现之前固定发电厂的能源生产[1]。性（例如，不一致半径），这可以显著影响鲁棒性和

1与DRC相比，经典控制通常假设系统中的不确定保守性。

2

1参数具有已知的概率分布。例如，在随机优化中，经验在这项工作中，我们识别出DRC中的一类特定问

7风险最小化（ERM）优化目标函数的期望值，该目标题，其中参数的概率分布约束涉及未知参数一维线性

0.函数估计给定参数和设计输入根据已知分布在投影的函数期望。我们证明这类问题具有表现力，并

集合中的代价，与argmin

8ERM且约束集在实际应用中足够直观以被确定。这简化了

0[2]。实践中，假设参数具有已知的概率分布可能很脆选择模糊集超参数的过程。先前的研究表明，如果这

5弱;，如果真实分布偏离了假定模型，解决方案的性能可一类问题满足强对偶性，则可以将其重新表述为