数学 > 优化与控制
[提交于 2025年8月12日
(v1)
,最后修订 2025年8月13日 (此版本, v2)]
标题: 无优化快速最优控制:突变-滑行特性、单调性及在快速电池充电中的应用
标题: Optimization-Free Fast Optimal Control: Bang-Ride Property, Monotonicity, and Applications to Fast Battery Charging
摘要: 单输入快速最优控制问题,旨在尽可能快地实现最优目标,在各种现实应用中都会出现。 在快速电池充电的情况下,当使用详细的电池模型时,相关的最优控制问题会变得计算上具有挑战性。 一种最近的无启发式优化算法可以显著降低计算成本,并提供一个近似解,与实践中许多启发式输入配置一致。 这些启发式解有几个特殊性质:它们遵循一种“bang-ride”模式,始终激活一个约束并应用最大可行输入。 这项工作研究了上述性质何时出现在最优输入中,以及最终启发式输入配置何时满足必要最优性条件。 通过利用庞特里亚金最大原理(PMP),我们证明在约束切换和系统局部可控性的常规条件下,最优控制是“bang-ride”形式。 此外,在系统、目标函数和约束的限制灵敏度单调的情况下,特定类型的“bang-ride”行为,即应用最大可行输入,会出现。 这些结果为一类充电启发式方法和快速无优化算法提供了理论依据。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.