×

一种基于平方和的方法来近似基本半代数集的Pontryagin差。 (英语) Zbl 1478.93164号

小结:两个集合\(\mathcal{A}\)和\(\mathcal{B}\)之间的P差是所有点的集合,\(\athcal{C}\),因此\(\mathcal{B}\)到\(\macal{C{\)中任何一个点的和包含在\(\marhcal{A}\)中。这种集差在鲁棒模型预测控制和集理论控制中起着重要作用。在本文中,我们证明了用多项式不等式集合描述的两个集合之间的P-差的内逼近可以用平方和规划来计算。通过算例验证了该方法的有效性。

MSC公司:

93B45码 模型预测控制
93B35型 灵敏度(稳健性)
93B25型 代数方法
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] “基于平方和的近似半代数集蓬特里亚金差分的程序”补遗(2020),URLhttp://www.gprix.it/SoSMontryagin.pdf
[2] Althoff,M.,关于计算分区图的minkowski差异(2015),arxiv预印本arxiv:1512.02794
[3] Barki,H。;丹尼斯,F。;Dupont,F.,计算凸多面体Minkowski差分的新算法,(2010形状建模国际会议(2010),IEEE),206-210
[4] 布兰奇尼,F。;Miani,S.,《控制中的集合理论方法》(2008),Springer·Zbl 1140.93001号
[5] Dabbene,F。;亨利安,D。;Lagoa,C.M.,半代数集的简单近似及其在控制中的应用,Automatica,78,110-118(2017)·Zbl 1357.93058号
[6] 冈萨雷斯共和国。;Woods,R.E.,《数字图像处理》(2002),普伦蒂斯大厅:新泽西普伦蒂丝大厅
[7] Haralick,R.M。;Sternberg,S.R。;庄,X.,使用数学形态学进行图像分析,IEEE模式分析和机器智能汇刊,4532-550(1987)
[8] Heijmans,H.J.,《数学形态学:基于代数和几何的现代图像处理方法》,SIAM Review,37,1,1-36(1995)·Zbl 0939.68916号
[9] Herceg,M.、Kvasnica,M.,Jones,C.和Morari,M..(2013年)。多参数工具箱3.0。程序中。欧洲控制会议,瑞士苏黎世(第502-510页),网址:http://control.ee.ethz.ch/mpt中。
[10] 科尔马诺夫斯基,I。;Gilbert,E.G.,离散线性系统扰动不变集的理论与计算,工程数学问题,4(1998)·Zbl 0923.93005号
[11] Kouvaritakis,B。;Cannon,M.,模型预测控制(2016),施普林格国际出版社:瑞士施普林格出版社·兹比尔0909.93024
[12] LazySets.jl GitHub网站(2018),URLhttps://github.com/JuliaReach/LazySets.jl
[13] 罗,Y。;蔡,P。;A.贝拉。;徐,D。;Lee,W.S。;Manocha,D.,《PORCA:多行人自动驾驶的建模与规划》,IEEE Robotics and Automation Letters,3,4,3418-3425(2018)
[14] Marzollo,A。;Pascoletti,A.,集合几何差的计算程序和性质,数学分析与应用杂志,54,3,772-785(1976)·Zbl 0339.90068号
[15] 针对C 9.2.29(2019)的MOSEK优化器API,URLhttps://docs.mosek.com/9.2/capi/index.html
[16] Parrilo,P.A.,结构化半定程序和鲁棒性和优化中的半代数几何方法(2000年),加利福尼亚理工学院(博士论文)
[17] Pontryagin,L.S.,线性微分对策。一、 II,(Doklady akademii nauk,第175卷(1967),俄罗斯科学院),764-766·Zbl 0157.16401号
[18] 罗林斯,J.B。;D.Q.梅恩。;Diehl,M.,《模型预测控制:理论、计算和设计》,第2卷(2017年),诺布希尔出版社:诺布希尔出版公司,威斯康星州麦迪逊
[19] Stengle,G.,《半代数几何中的Nullstellensatz和Positivestellensatz》,《数学年鉴》,207,2,87-97(1974)·Zbl 0253.14001号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。