[論文レビュー] FBstab: A Stabilized Semismooth Quadratic Programming Algorithm with Applications in Model Predictive Control

Dominic Liao‐McPherson, Ilya Kolmanovsky|arXiv (Cornell University)|Jan 13, 2019

Advanced Optimization Algorithms Research参考文献 85被引用数 34

ひとこと要約

FBstab は、凸二次計画法のための新しい、近接安定化された半スムーズニュートン法であり、主双対近接点法と半スムーズニュートンソルバーを組み合わせたものである。収束性が強く、退化や不実行問題に対処でき、効率的なウォームスタートが可能で、主問題および双対問題の不実行性を検出できる。Hessian が半正定値であるという最小限の仮定の下で、リアルタイムのモデル予測制御に非常に適している。

ABSTRACT

This paper introduces the proximally stabilized Fischer-Burmeister method (FBstab); a new algorithm for convex quadratic programming that synergistically combines the proximal point algorithm with a primal-dual semismooth Newton-type method. FBstab is numerically robust, easy to warmstart, handles degenerate primal-dual solutions, detects infeasibility/unboundedness and requires only that the Hessian matrix be positive semidefinite. We outline the algorithm, provide convergence and convergence rate proofs, report some numerical results from model predictive control benchmarks, and also include experimental results. We show that FBstab is competitive with and often superior to, state of the art methods, has attractive scaling properties, and is especially promising for model predictive control applications.

研究の動機と目的

• モデル予測制御（MPC）アプリケーションにおける数値的に安定したリアルタイム二次計画法ソルバーのニーズに対応すること。
• 既存手法の限界（例：アクティブセット法による劣悪なウォームスタート、強い凸性やLICQなどの制限的仮定、不実行性検出の欠如）を克服すること。
• 退化解や主問題／双対問題の不実行性下でも、高速な収束性と信頼性を維持する手法を開発すること。
• ウォームスタートと構造の活用を可能にすることで、組み込みシステムへの効率的実装を可能にすること。
• Hessian が半正定値であるという最小限の仮定の下で、収束性と不実行性検出に関する理論的保証を提供すること。

提案手法

• 主双対近接点法（近接法による乗数法）と半スムーズニュートン型手法を組み合わせ、凸 QP を解く。
• 正則化された部分問題を、近接安定化によって自動的に正則性条件を満たす半スムーズニュートン法で解くことで、急速な収束を達成する。
• KKT 条件の半スムーズな再定式化を用い、滑らかでない系にニュートン法を適用する。
• 近接正則化を採用することで、ニュートン反復を安定化させ、主問題の不実行性および双対問題の不実行性（非有界性）を検出可能にする。
• 直前の解からの初期化によりウォームスタートをサポートし、MPC アプリケーションにおいて極めて重要である。
• 内点法に類似した構造的線形代数ルーチンを活用し、MPC における予測ホライズン長に比例して線形スケーリングが可能である。

実験結果

リサーチクエスチョン

• RQ1 近接正則化によって安定化された半スムーズニュートン法は、退化や不実行 QP を処理しつつも、高速な収束性を維持できるか？
• RQ2 提案手法は、Hessian が半正定値であるという仮定のみで、主問題および双対問題の不実行性を安定して検出できるか？
• RQ3 FBstab は、最新の QP ソルバー（例：IP, AS, DN, FO）と比較して、リアルタイム MPC ベンチマークにおいて性能と頑健性に優れているか？
• RQ4 FBstab は効率的にウォームスタート可能で、MPC 問題におけるリカーシブホライズン長に線形にスケーリング可能か？
• RQ5 早期終了やモデル不一致下でも、数値的頑健性と低残差を維持できるか？

主な発見

• FBstab は、Hessian が半正定値であるという仮定と解の存在を前提とすれば、最適解への収束または不実行性（主問題または双対問題）の検出を達成する。
• サーボモーター MPC ベンチマークでは、ウォームスタート時における平均処理時間が 0.2 ms（4.5 ms に正規化）であり、他のすべての手法を平均時間で上回った。
• 宇宙船の相対運動 MPC 問題では、平均ウォームスタート時間が 0.1 ms（63.9 ms に正規化）であり、FBRS や PDIP よりも顕著に高速で、不実行性も正しく検出された。
• コポリマー化 MPC 問題では、平均ウォームスタート時間が 0.4 ms（97.1 ms に正規化）を維持し、DAS や NNLS を含むすべての競合手法を上回った。
• 逆ピンドルの実験的検証では、FBstab は QP 残差を 10⁻⁴ 未満に保ち、最大実行時間が 4.3 ms に留まり、10 ms のサンプリング周期を安全に下回った。
• c = −1 かつ b = ∞ のテスト問題において、FBstab は双対不実行性（非有界性）を正しく検出し、3回の近接反復と8回のニュートン反復後に δx = (0, 671) × 10⁵ を返した。