[논문 리뷰] A Fast Algorithm for Sparse Controller Design

Matt Wytock, J. Zico Kolter|arXiv (Cornell University)|2013. 12. 17.

Control Systems and Identification참고 문헌 35인용 수 18

한 줄 요약

이 논문은 대규모 시스템에서 희소 컨트롤러 설계를 위한 빠른 프록시멀 뉴턴 방법과 좌표 내림(descents) 및 효율적인 림프노프(Lyapunov) 해법 기법을 제안한다. 수치선형대수 기법을 활용해 각 반복에서 O(n) 수준의 름프노프 해법을 통해 계산 비용을 감소시킴으로써, 기존 방법보다 수개월 빠른 수렴 속도를 확보하면서도 수천 개 상태를 가진 시스템, 특히 실제 전력망에서도 높은 정확도를 유지한다.

ABSTRACT

We consider the task of designing sparse control laws for large-scale systems by directly minimizing an infinite horizon quadratic cost with an $\ell_1$ penalty on the feedback controller gains. Our focus is on an improved algorithm that allows us to scale to large systems (i.e. those where sparsity is most useful) with convergence times that are several orders of magnitude faster than existing algorithms. In particular, we develop an efficient proximal Newton method which minimizes per-iteration cost with a coordinate descent active set approach and fast numerical solutions to the Lyapunov equations. Experimentally we demonstrate the appeal of this approach on synthetic examples and real power networks significantly larger than those previously considered in the literature.

연구 동기 및 목표

• 수천 개 상태를 가진 대규모 시스템에서 희소 최적 제어를 위한 확장 가능한 알고리즘의 부족을 해결한다.
• 희소 컨트롤러 설계에서 뉴턴 방법의 각 반복 비용이 O(n³)이 되는 문제를 해결하기 위해 름프노프 방정식 해법을 가속화한다.
• 실제 시스템인 전력망과 같은 현실 세계의 시스템에 적용 가능한 실용적이고 고정밀도 알고리즘을 개발한다.
• 기존의 일阶 또는 SDP 기반 방법보다 수개월 빠른 수렴 속도를 달성한다.

제안 방법

• 컨트롤러 이득에 대한 ℓ1-노름 페널티와 함께 부드러운 H2 비용을 최소화하기 위해 프록시멀 뉴턴(뉴턴-라소) 프레임워크를 사용한다.
• 각 정규화된 뉴턴 단계를 효율적으로 해결하기 위해 활성 집합에 대한 좌표 내림을 적용한다.
• 내부 곱셈 당 름프노프 해법 비용을 O(n³)에서 O(n)으로 감소시키기 위해 사전 계산 및 변환을 적용한다.
• 낮은 랭크 구조를 활용하기 위해 신속한 다체법(Fast Multipole Method) 및 아outu-카카가미 분해(Autonne-Kakagami Factorization)와 같은 수치 기법을 활용한다.
• 헤시안 계산에서 발생하는 름프노프 방정식을 구조 인식 분해 및 행렬 분해 기법을 통해 해결한다.
• 이러한 요소들을 통합하여 ℓ1-정규화된 최적 제어를 위한 전역 수렴 가능한 이阶 방법을 구성한다.

실험 결과

연구 질문

• RQ1 O(n³) 름프노프 해법으로 인해 대규모 희소 컨트롤러 설계에 대해 이阶 방법을 실용적으로 적용할 수 있는가?
• RQ2 활성 집합에 대한 좌표 내림이 ℓ1-정규화된 최적 제어에서 내부 뉴턴 단계를 해결하는 데 비용을 감소시킬 수 있는가?
• RQ3 행렬 구조의 활용과 수치선형대수 기법을 통해 O(n) 름프노프 해법을 달성할 수 있는가?
• RQ4 실제 전력망에서 제안된 알고리즘이 ADMM 및 ISTA와 같은 일阶 방법에 비해 속도와 정확도에서 어떻게 비교되는가?
• RQ5 희소 컨트롤러는 대규모 시스템, 예를 들어 전력망과 같은 시스템에서 얼마나 near-optimal 성능을 달성할 수 있는가?

주요 결과

• 500개 상태를 가진 PST 50 기계 시스템에서 제안된 뉴턴-CD 알고리즘은 173초 이내에 10⁻⁸ 이하의 정확도로 수렴했으며, ADMM는 한 시간이 넘도록 10³ 이상의 오차를 유지했다.
• PSS가 장착된 IEEE 145 버스 시스템에서 뉴턴-CD는 173초 이내에 수렴했고, ADMM 및 ISTA는 상당히 느린 수렴 속도와 더불어 불안정한 희소성 패턴을 보였다.
• 모든 테스트된 전력망, 즉 NPCC 140 버스 및 NE 39 버스에서, 알고리즘은 LQR 성능의 0.1% 이내로 안정적인 컨트롤러를 찾았으며, 매우 희소한 구조를 유지했다.
• 가장 희소한 안정적인 컨트롤러는 종종 국소 또는 근접 국소 해로서 몇몇 인접 상태에만 의존하는 것으로 나타나 실용적인 분산 제어 가능성을 보였다.
• 모든 벤치마크에서 ADMM 및 ISTA에 비해 수개월 빠른 수렴 속도를 확보했으며, 런타임 차이가 최대 10⁴×까지 발생했다.
• 이 알고리즘은 이전 연구보다 훨씬 큰 규모인 최대 500개 상태의 시스템을 성공적으로 처리했으며, 전체 과정에서 높은 수치 정밀도를 유지했다.