International Journal of Control· 2017Q2
FORCES NLP: Çok Aşamalı Doğrusal Olmayan Programlar İçin Verimli İç-Nokta Çözücüsü
FORCES NLP: an efficient implementation of interior-point methods for multistage nonlinear nonconvex programs
- 236atıf
- Q2SCImago
- 2017yıl
Kısa özet
FORCES NLP, yaklaşık Hessianlar ve uyarlanabilir bariyer kuralları kullanan bir iç-nokta yöntemiyle, doğrusal olmayan programlar (NLP'ler) için karesel programlama (QP) çözücü hızlarına ulaşır ve IPOPT'tan 10 kata kadar daha hızlıdır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- FORCES NLP, hızlı konveks karesel programlama (QP) çözücülerine benzer hesaplama süreleriyle doğrusal olmayan programları (NLP'ler) çözer.
- Yöntem, yaklaşık Hessianlar ve uyarlanabilir bariyer kuralları kullanan bir iç-nokta yaklaşımı kullanır.
- Standart doğrusal olmayan programlama yapı taşlarını ve yapıdan yararlanan bir lineer sistem çözücüsünü kullanır.
- Üç örnekte önemli kontrol performansı iyileştirmeleri gösterilmiştir.
- En gelişmiş iç-nokta çözücüsü IPOPT'tan 10 kata kadar daha hızlıdır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Real-time implementation of optimisation-based control and trajectory planning can be very challenging for nonlinear systems. As a result, if an implementation based on a fixed linearisation is not suitable, the nonlinear problems are typically locally approximated online, in order to leverage the speed and robustness of embedded solvers for convex quadratic programs (QP) developed during the last decade. The purpose of this paper is to demonstrate that, using simple standard building blocks from nonlinear programming, combined with a structure-exploiting linear system solver, it is possible to achieve computation times in the range typical of solvers for QPs, while retaining nonlinearities and solving the nonlinear programs (NLP) to local optimality. The implemented algorithm is an interior-point method with approximate Hessians and adaptive barrier rules, and is provided as an extension to the C code generator FORCES. Three detailed examples are provided that illustrate a significant improvement in control performance when solving NLPs, with computation times that are comparable with those achieved by fast approximate schemes and up to an order of magnitude faster than the state-of-the-art interior-point solver IPOPT.
Yazarların özeti; kaynağından alınmıştır. International Journal of Control, 2017 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Sayısal Analiz
Numerical AnalysisMathematics