多层次最优控制与神经替代模型
原文中文，约400字，阅读约需1分钟。发表于：。研究了多级最优化问题中的最优执行器和控制设计，其中根据关联的最优闭环的性能评估执行器设计；提出了使用神经网络代理来评估给定执行器实现的最优闭环的计算方法，从而能够使用基于梯度和基于一致性的优化方法确定最优执行器设计；评估了所提出的代理模型和优化方法在与热控的最优执行器位置相关的测试中的有效性。
本研究发现使用修正线性单元作为激活函数的人工神经网络可以准确表示线性时不变系统的模型预测控制的分段仿射函数。使用更深的网络可以表示更多的仿射区域。研究提出了决定神经网络最小隐藏层数和每层神经元数的理论界限。该方法有潜力成为预测控制规律的近似方法，可以提高近似质量并减少内存需求。还提出了校正或量化近似误差的替代方案。可以在低功耗嵌入式设备上部署近似控制器，实现复杂物理系统的先进决策制定策略。
