【摘 要】
:
本文研究了一类分布式优化问题,其目标是通过局部信息交换使由局部成本函数之和构成的全局成本函数最小.针对无向连通图,我们提出了两种基于比例积分策略的分布式优化算法.在局部成本函数可微且凸的条件下,证明了所提算法渐近收敛到全局最小值点.更进一步,在局部成本函数具有局部Lipschitz梯度和全局成本函数关于全局最小值点是有限强凸的条件下,证明了所提算法的指数收敛性.此外,为了避免智能体之间的连续通信和减少通信负担,将所提的两种分布式优化算法与事件触发通信相结合,提出了两种基于事件触发的分布式优化算法.证明了提
【机 构】
:
东北大学流程工业综合自动化国家重点实验室 沈阳110819中国;瑞典皇家理工学院电气工程与计算机科学学院决策与控制系统系 斯德哥尔摩10044瑞典;北德克萨斯大学电气工程系 德克萨斯州丹顿76203美
论文部分内容阅读
本文研究了一类分布式优化问题,其目标是通过局部信息交换使由局部成本函数之和构成的全局成本函数最小.针对无向连通图,我们提出了两种基于比例积分策略的分布式优化算法.在局部成本函数可微且凸的条件下,证明了所提算法渐近收敛到全局最小值点.更进一步,在局部成本函数具有局部Lipschitz梯度和全局成本函数关于全局最小值点是有限强凸的条件下,证明了所提算法的指数收敛性.此外,为了避免智能体之间的连续通信和减少通信负担,将所提的两种分布式优化算法与事件触发通信相结合,提出了两种基于事件触发的分布式优化算法.证明了提出的事件触发优化算法不存在Zeno行为,并且在相应条件下保持了与连续通信下分布式优化算法一样的收敛性.最后,通过数值仿真验证了上述理论结果.
其他文献
沿海软土地区某料棚工程采用变截面挤密螺纹桩复合地基,在堆载高度到5~6 m时,未达到设计高度11 m,地面产生沉陷,最大沉陷量约1.30 m,网架立柱出现了较大的变形,最大水平位移超过680 mm,导致料棚处于超危状态.采用竹节桩对挤密螺纹桩复合地基进行加固,通过合理布置竹节桩打桩流向,采用长螺旋引孔、应力释放孔,减小竹节桩沉桩的挤土效应对原有挤密螺纹桩、边柱承台和基桩的影响.沉桩结束后,竹节桩单桩竖向承载力特征值不小于740 kN,满足竹节桩设计要求.加固后的竹节桩复合地基+筏板满足堆载的设计要求.
基于移动机器人的拣货系统(Robotic mobile fulfillment systems,RMFS)作为一种新型物至人的拣货系统,相比人工拣货系统和AS/RS拣货系统(下文统称传统拣货系统)具有更高的拣货效率、更好的系统可扩展性和柔性.为全面了解RMFS的运行模式及其优化方向,本文首先回顾了RMFS的工作流程及优化理论框架,然后对RMFS的货位指派、订单分批、任务分配、路径规划以及建模方法等问题进行了文献回顾和总结,并指出了RMFS与传统拣货系统在拣货过程方面的异同及当前研究的不足.最后,讨论了RM
我国胶东地区广泛分布白垩系泥岩地层,其具有遇水软化、膨胀,失水收缩、崩解等工程特性,岩体抗剪强度的准确确定对该区域基坑、边坡稳定性设计和施工具有重要意义.通过开展现场岩体抗剪试验和室内岩石直剪试验,得出岩体与岩石内摩擦系数和内摩擦角基本一致,岩石黏聚力是岩体黏聚力的10.6倍,分析二者差异原因主要有岩石直剪试验岩样代表性差、扰动大、数据离散性大、尺寸效应和试样完整性差异等,现场岩体抗剪试验得出的岩体抗剪强度参数更能真实反映岩体实际工程性质,可用于工程设计和优化.
水泥固化砂土的低成本、无害化改良是岩土工程领域的热点问题.利用废弃服装制备的涤纶纤维对水泥固化砂土进行改良,研究纤维含量和纤维长度对水泥固化砂土无侧限抗压强度特性的影响.基于试样的宏观破坏形貌,定性分析改良前后水泥固化砂土的破坏模式及破坏模式的转变方式,利用脆性指数,研究纤维含量、纤维长度影响下水泥固化砂土破坏模式的转变规律,定量评价脆性破坏向延性破坏的转变程度.研究结果表明:在最优纤维含量1.0%、最优纤维长度9 mm条件下,废弃涤纶纤维的改良效果最佳,水泥固化砂土的无侧限抗压强度、峰值应变、残余强度、
隧洞穿越地区地形复杂,隧洞工程勘察难度大,钻机施工困难,物探工作难度大,快速有效地开展工程勘察安全性评价工作对后期施工具有重要意义.以某项目为依托,综合利用以往地质资料,采用温纳和斯伦贝谢两种装置高密度电法工作,分析其不同装置高密度电法工作原理及应用效果.温纳装置探测深度较大,横向分辨率较高,高阻异常体特征反映较明显;斯伦贝谢装置探测深度相对较浅,其垂向分辨率较高,抗干扰能力强,低阻异常体反映较明显.
虽然深度神经网络(Deep neural networks,DNNs)在许多任务上取得了显著的效果,但是由于其可解释性(In-terpretability)较差,通常被当做“黑盒”模型.本文针对图像分类任务,利用对抗样本(Adversarial examples)从模型失败的角度检验深度神经网络内部的特征表示.通过分析,发现深度神经网络学习到的特征表示与人类所理解的语义概念之间存在着不一致性.这使得理解和解释深度神经网络内部的特征变得十分困难.为了实现可解释的深度神经网络,使其中的神经元具有更加明确的语义
通过学习可观测数据的概率密度而随机生成样本的生成模型在近年来受到人们的广泛关注,网络结构中包含多个隐藏层的深度生成式模型以更出色的生成能力成为研究热点,深度生成模型在计算机视觉、密度估计、自然语言和语音识别、半监督学习等领域得到成功应用,并给无监督学习提供了良好的范式.本文根据深度生成模型处理似然函数的不同方法将模型分为三类:第一类方法是近似方法,包括采用抽样方法近似计算似然函数的受限玻尔兹曼机(Restricted Boltzmann machine,RBM)和以受限玻尔兹曼机为基础模块的深度置信网络(
深度强化学习是人工智能领域新兴技术之一,它将深度学习强大的特征提取能力与强化学习的决策能力相结合,实现从感知输入到决策输出的端到端框架,具有较强的学习能力且应用广泛.然而,已有研究表明深度强化学习存在安全漏洞,容易受到对抗样本攻击.为提高深度强化学习的鲁棒性、实现系统的安全应用,本文针对已有的研究工作,较全面地综述了深度强化学习方法、对抗攻击、防御方法与安全性分析,并总结深度强化学习安全领域存在的开放问题以及未来发展的趋势,旨在为从事相关安全研究与工程应用提供基础.
因子分析是一种在工业领域广泛使用的统计学方法.在金融资产管理中,因子分析通过对历史价格波动的极大似然估计推导自适应的统计学因子来生成风险模型.与通过使用预先设定具有经济学含义的因子来生成风险模型的基本面因子模型相比,通过因子分析生成的模型不仅更灵活,还能发现在基本面模型中缺失的因子.然而,由于因子分析所生成模型中的统计学因子缺少可解释性,因此当金融数据中存在显著噪音时容易过拟合.针对中国股市数据的风险模型生成问题,本文提出快速因子分析算法以及将基本面因子结合到因子分析中的挑选基本面因子的混合因子分析方法,
为保证预测控制的稳定性,经典的策略是在预测控制的优化问题中加入终端约束集和终端惩罚函数,并保证终端约束集是一个在终端控制律作用下的正不变集,终端惩罚函数是受控系统的局部控制Lyapunov函数.本文提供了一种求解非线性系统终端约束集、终端控制律和终端惩罚函数的新策略.通过在优化问题中引入新的变量来降低求解终端约束条件的保守性,并且可以从理论上保证求解得到的终端约束集更大.通常情况下,较大的终端约束集将允许选取的预测时域较小,因而可以降低预测控制的在线计算负担.从形式上看,新的变量的引入使得终端约束集和终端