Core Concepts
ネットワーク化されたシステムにおいて、各エージェントが局所的な感度情報のみを利用して制御入力を更新する分散型フィードバック最適化手法を提案する。この手法は、ナッシュ均衡に収束し、中央集権型手法と比べて安定性と準最適性を特徴付けることができる。
Abstract
本論文では、ネットワーク化されたシステムにおける分散型フィードバック最適化手法を提案している。従来の中央集権型手法では、全体の感度情報を必要とするため、大規模システムでの適用が困難であった。そこで本手法では、各エージェントが局所的な感度情報のみを利用して制御入力を更新する。
具体的には以下の通り:
各エージェントは、自身の入出力感度情報のみを用いて制御入力を更新する。これにより、通信を必要としない完全分散型の手法となる。
定常状態では、この分散型手法の解がナッシュ均衡と一致することを示す。
閉ループ系の安定性と準最適性を理論的に解析する。感度行列の対角優位性に応じて、収束速度と最適解からの誤差を特徴付ける。
シミュレーションにより、提案手法の性能を検証する。中央集権型手法と比べて、準最適性のトレードオフが明らかになる。
本手法は、大規模ネットワークシステムにおける分散型最適化の実現に寄与する。感度情報の近似化によって通信を不要とし、かつ理論的保証を備えた手法を提案したことが本論文の主要な貢献である。
Stats
各エージェントの制御入力uiと出力yiの関係は、線形定常入出力マップyiによって表される。
全体の目的関数Φ(u,y)は、各エージェントの局所目的関数Φi(ui,yi)の和で表される。
局所目的関数Φi(ui,yi)は、uiとyiについて凸2次関数である。
Quotes
"本手法は、大規模ネットワークシステムにおける分散型最適化の実現に寄与する。感度情報の近似化によって通信を不要とし、かつ理論的保証を備えた手法を提案したことが本論文の主要な貢献である。"