[논문 리뷰] FBstab: A Stabilized Semismooth Quadratic Programming Algorithm with Applications in Model Predictive Control

Dominic Liao‐McPherson, Ilya Kolmanovsky|arXiv (Cornell University)|2019. 01. 13.

Advanced Optimization Algorithms Research참고 문헌 85인용 수 34

한 줄 요약

FBstab는 충분한 가정(양의 준정의 헤시안만 필요) 하에, 볼록 2차계획법을 위한 새로운 프록시멀 안정화된 반순위 뉴턴법이다. 이는 원본-쌍대 프록시멀 포인트 알고리즘과 반순위 뉴턴 해법기를 결합하여 수치적으로 안정된 수렴성을 확보하고, 열악한 해(퇴화) 및 비가능 문제를 처리하며, 효율적인 온난시작을 가능하게 하며, 원본 및 쌍대 비가능성까지 탐지할 수 있다. 이는 양의 준정의 헤시안을 가정하는 최소한의 조건 하에 실시간 모델 예측 제어에 매우 적합하다.

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.

연구 동기 및 목표

• 모델 예측 제어(MPC) 응용 분야에서 수치적으로 안정적이고 실시간으로 작동하는 2차계획법 해법기가 필요한 이유를 해결한다.
• 기존 방법의 한계를 극복한다. 예를 들어, 활성집합 기반의 열악한 온난시작, 강한 볼록성, LICQ 등의 제한적인 가정, 또는 비가능성 탐지의 부재 등이다.
• 퇴화된 해와 원본/쌍대 비가능성 상황에서도 빠른 수렴성과 신뢰성을 유지하는 방법을 개발한다.
• 온난시작 및 구조 활용을 지원함으로써 임베디드 시스템에서의 효율적 구현을 가능하게 한다.
• 양의 준정의 헤시안만을 가정하는 최소한의 조건 하에 수렴성과 비가능성 탐지에 대한 이론적 보장을 제공한다.

제안 방법

• 원본-쌍대 프록시멀 포인트 알고리즘(프록시멀 승수 방법)과 반순위 뉴턴 유형의 방법을 결합하여 볼록 QP 문제를 해결한다.
• 프록시멀 안정화로 자동으로 정규성 조건을 만족하므로, 정규화된 하위문제를 반순위 뉴턴 방법으로 신속하게 해결한다.
• KKT 조건의 반순위 재구성식을 사용하여 비가속도 시스템에 뉴턴 방법을 적용한다.
• 프록시멀 정규화를 활용하여 뉴턴 반복을 안정화시키며, 원본 비가능성 및 쌍대 비가능성(무한대) 탐지를 가능하게 한다.
• 이전 해에서 초기화하는 방식으로 온난시작을 지원하며, 이는 MPC 응용에서 매우 중요하다.
• 내부점 방법과 유사한 구조적 선형 대수 루틴을 활용하여, MPC에서 수평 길이에 대해 선형 스케일링이 가능하다.

실험 결과

연구 질문

• RQ1 프록시멀 정규화를 통해 반순위 뉴턴 방법을 안정화시켜 퇴화 및 비가능 QP 문제를 처리하면서도 빠른 수렴성을 유지할 수 있는가?
• RQ2 제안된 방법이 양의 준정의 헤시안 가정 하에 원본 및 쌍대 비가능성을 강건하게 탐지할 수 있는가?
• RQ3 실시간 MPC 벤치마크에서 최신 기술의 QP 해법기(IP, AS, DN, FO)와 비교해 성능 및 강건성 면에서 어떻게 성과를 내는가?
• RQ4 FBstab는 실시간 MPC 문제에서 수평 길이에 따라 선형적으로 확장되며 효율적으로 온난시작이 가능한가?
• RQ5 조기 종료 또는 모델 불일치 상황에서도 수치적 강건성과 낮은 잔차를 유지하는가?

주요 결과

• 헤시안이 양의 준정의이고 해가 존재하는 조건 하에, FBstab는 최적 해로의 수렴 또는 비가능성(원본 또는 쌍대) 탐지를 보장한다.
• 서보 모터 MPC 벤치마크에서, FBstab는 온난시작 조건 하에 평균 0.2 ms(정규화된 4.5 ms 기준)의 솔루션 시간을 기록했으며, 평균 시간에서 모든 다른 방법을 앞섰다.
• 우주선 상대 운동 MPC 문제에서, FBstab는 평균 온난시작 시간 0.1 ms(정규화된 63.9 ms 기준)를 기록했으며, FBRS 및 PDIP보다 훨씬 빠르게 작동했고, 비가능성도 정확히 탐지했다.
• 코폴리머화학 MPC 문제에서, FBstab는 평균 온난시작 시간 0.4 ms(정규화된 97.1 ms 기준)를 유지했으며, DAS 및 NNLS를 포함한 모든 경쟁자들을 앞섰다.
• 역경동자 실험에서의 검증 결과, FBstab는 QP 잔차를 10⁻⁴ 이하로 유지했고, 최대 실행 시간은 4.3 ms로 10 ms의 샘플링 주기 이하로 안전하게 유지되었다.
• c = −1 및 b = ∞ 인 테스트 문제에서, FBstab는 3회의 프록시멀 반복과 8회의 뉴턴 반복 후에 δx = (0, 671) × 10⁵를 반환하며 쌍대 비가능성(무한대)을 성공적으로 탐지했다.