可扩展学习迭代求解器用于非线性MPC

研究者 Lukas Lüken 与 Sergio Lucia 提出一种基于时间分解的学习型迭代求解器，用于非线性模型预测控制（NMPC）。该架构利用问题的时间结构，使网络规模不再随预测时域增长，同时保持训练损失与求解迭代不变。 在 CSTR 级联的经济型 NMPC 基准上，该求解器可扩展至比单体式 LISCO 更大的问题，相比 IPOPT 中位加速最高达 4 倍；闭环控制性能与 IPOPT 相当，且未观察到约束违反。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。