知识卡片
滚动求解权衡实时预算
神经网络预测控制每个采样时刻都需在有限时域内重新求解。局部线性化可降低计算,但强非线性下近似误差大;非线性数值优化更直接但耗时;另训练优化网络把求解成本移到训练,需验证泛化;进化或群体智能搜索适合复杂目标,却常有较高迭代成本及结果波动。方法必须同时满足约束、精度和采样周期。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 9 . 4 . 2 神 经 网 络 预 测 控 制 中 的 滚 动 优 化 · 查看原书依据
预测控制中的优化不是一次离线进行的,而是随着采样时刻的前进反复在线进行,所以被称为滚动优化。
参考来源
- 位置:《智能算法导论》第 189 项《19.4.2 神经网络预测控制中的滚动优化》(源文件:`_epub-src/EPUB/xhtml/chapter19_0012.xhtml`)
- 结论依据:正文列出线性化、非线性数值优化、附加神经网络和智能优化四类路径及其限制;“智能优化能避免局部最优”已限定为探索能力而非保证。
- 原始内容:“滚动优化不是一次离线进行的,而是随着采样时刻的前进反复在线进行……目前神经网络预测控制中的滚动优化方法主要可以分为4类。”