移位图表组合法优化时变LQR时域搜索
热点事件持续更新
移位图表组合法优化时变LQR时域搜索
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Viswas Dinesh 与 Spandan Roy 提出移位图表组合(Shifted-Chart Composition)方法,通过跟踪移位逆矩阵 $(P_k+cI)^{-1}$ 替代原有逆 cost-to-go,使时变 LQR 的组合式时域搜索可处理半正定的阶段与终端代价,搜索复杂度保持 $O(Nn^3)$。 该方法在精确算术下精确,但需满足可逆性条件:当动力学收缩未被惩罚的方向时,对所有小 $c$ 成立;除退化情形外,至多对有限个 $c$ 失效,并在运行时按每个时域进行校验。论文已投稿 2027 年美国控制会议(ACC),正在评审中。
AI 根据报道生成 · 1 小时前更新
最新进展10月14日 12:00
移位坐标组合方法实现时变 LQR 的最优时域搜索报道时间线
沿着报道,了解事件的不同侧面。
10月14日
- arXiv eess.SY 系统与控制移位坐标组合方法实现时变 LQR 的最优时域搜索
论文提出 Shifted-Chart Composition 方法,通过跟踪移位逆矩阵 (P_k+cI)^{-1} 替代原有的逆 cost-to-go,使组合式时域搜索可处理半正定的阶段与终端代价,同时保留 O(Nn^3) 的搜索复杂度。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。