Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2306.16569

帮助 | 高级搜索

数学 > 优化与控制

arXiv:2306.16569 (math)
[提交于 2023年6月28日 (v1) ,最后修订 2023年12月12日 (此版本, v2)]

标题: 一种最优控制面的多维傅里叶逼近

标题: A Multidimensional Fourier Approximation of Optimal Control Surfaces

Authors:Gabriel Nicolosi, Terry Friesz, Christopher Griffin
摘要: 这项工作考虑了使用多变量傅里叶级数近似初始条件和时变最优控制及轨迹表面的问题。提出了一种改进的增广拉格朗日算法,将最优控制问题转化为无约束优化问题,并解决了两个问题:牛顿力学背景下的二次控制问题,以及由复制者动力学支配的奇循环博弈中出现的控制问题。给出了各种计算结果。探讨了自动微分的使用,以绕过一阶优化过程中的复杂梯度计算。此外,推导了在一维和二维傅里叶级数近似情况下的均方误差界,从而得出$n$维问题的一般界。
摘要: This work considers the problem of approximating initial condition and time-dependent optimal control and trajectory surfaces using multivariable Fourier series. A modified Augmented Lagrangian algorithm for translating the optimal control problem into an unconstrained optimization one is proposed and two problems are solved: a quadratic control problem in the context of Newtonian mechanics, and a control problem arising from an odd-circulant game ruled by the replicator dynamics. Various computational results are presented. Use of automatic differentiation is explored to circumvent the elaborated gradient computation in the first-order optimization procedure. Furthermore, mean square error bounds are derived for the case of one and two-dimensional Fourier series approximations, inducing a general bound for problems of $n$ dimensions.
主题: 优化与控制 (math.OC) ; 动力系统 (math.DS)
引用方式: arXiv:2306.16569 [math.OC]
  (或者 arXiv:2306.16569v2 [math.OC] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.16569
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Gabriel Nicolosi Dr. [查看电子邮件]
[v1] 星期三, 2023 年 6 月 28 日 21:21:56 UTC (12,748 KB)
[v2] 星期二, 2023 年 12 月 12 日 22:13:15 UTC (12,601 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
math.OC
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-06
切换浏览方式为:
math
math.DS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号