[논문 리뷰] Optimal control of network-coupled subsystems: Spectral decomposition and low-dimensional solutions

Shuang Gao, Aditya Mahajan|arXiv (Cornell University)|2020. 09. 25.

Neural Networks Stability and Synchronization참고 문헌 63인용 수 7

한 줄 요약

이 논문은 그래프 기반의 동역학과 비용 결합을 가진 네트워크 결합 서브시스템에 대한 최적 제어를 위한 스펙트럼 분해 방법을 제안한다. 대칭 결합 행렬의 고유분해를 활용하여 원래의 고차원 리카티 문제를 Ldist + 1개의 분리된 dx×dx 리카티 방정식으로 감소시켜, 네트워크 크기와 무관하게 확장 가능하고 복잡도가 낮은 제어 합성 기법을 가능하게 한다. 여기서 Ldist는 고유값의 서로 다른 비영 값의 개수이다.

ABSTRACT

In this paper, we investigate optimal control of network-coupled subsystems where the dynamics and the cost couplings depend on an underlying undirected weighted graph. The graph coupling matrix in the dynamics may be the adjacency matrix, the Laplacian matrix, or any other symmetric matrix corresponding to the underlying graph. The cost couplings can be any polynomial function of the underlying coupling matrix. We use the spectral decomposition of the graph coupling matrix to decompose the overall system into (L+1) systems with decoupled dynamics and cost, where L is the rank of the coupling matrix. Furthermore, the optimal control input at each subsystem can be computed by solving (Ldist + 1) decoupled Riccati equations where Ldist (Ldist \leq L) is the number of distinct non-zero eigenvalues of the coupling matrix. A salient feature of the result is that the solution complexity depends on the number of distinct eigenvalues of the coupling matrix rather than the size of the network. Therefore, the proposed solution framework provides a scalable method for synthesizing and implementing optimal control laws for large-scale network-coupled subsystems.

연구 동기 및 목표

• 복잡한 결합을 가진 대규모 네트워크 시스템에 대한 최적 제어 법칙을 합성하는 데 도전한다.
• 대규모 네트워크에서 중심화된 리카티 해법의 계산 불가능성(O(n²dx²) 복잡도)을 해결한다.
• 네트워크 크기 대신 결합 행렬의 스펙트럼 성질에 기반한 확장 가능한 프레임워크를 개발하여 제어 합성 복잡도를 감소시킨다.
• 집계된 상태 정보와 이웃 데이터를 사용하여 국소적 또는 분산형 제어 구현을 가능하게 한다.
• 비균일한 결합 조건이 존재하더라도 근사치가 아닌 정확한 최적 해를 제공한다.

제안 방법

• 대칭 결합 행렬 M(예: 인접행렬, 라플라스 행렬)에 스펙트럼 분해를 적용하여 전체 상태를 L개의 직교 고유공간으로 투영한다. 여기서 L은 M의 질량이다.
• 시스템을 L+1개의 분리된 서브시스템으로 분해한다: 비영 고유값에 해당하는 L개의 고유계산계와 영공간에 해당하는 하나의 보조계.
• 원래의 선형 제곱오차 조절기(LQR) 문제를 L+1개의 독립된 LQR 문제로 변환하며, 각 문제는 dx×dx 리카티 방정식으로 해결할 수 있다.
• M의 비영 고유값 중 서로 다른 값의 개수인 Ldist에 따라 오직 Ldist + 1개의 리카티 방정식만을 풀며, 이는 계산 부담을 크게 감소시킨다.
• 고유계산계의 해와 보조계를 이용하여 최적 제어 입력을 재구성함으로써 국소적 또는 분산형 구현이 가능해진다.
• M의 고유벡터를 사용하여 상태 및 제어 투영을 정의함으로써, 동역학과 비용 함수 양쪽에서 분리가 보장된다.

실험 결과

연구 질문

• RQ1 결합 행렬의 스펙트럼 성질에 기반해 네트워크 결합 서브시스템의 최적 제어를 저차원 문제로 분해할 수 있는가?
• RQ2 결합 행렬의 서로 다른 비영 고유값의 수가 제어 합성의 복잡도를 결정하며, 네트워크 크기보다 더 중요한가?
• RQ3 비균일한 네트워크 결합 조건이 존재하는 경우에도 정확한 최적 제어 법칙을 국소적 또는 분산형으로 합성 및 구현할 수 있는가?
• RQ4 대규모 네트워크에서 중심화된 리카티 해법과 비교해 본다면, 제안된 방법의 계산 복잡도는 어떻게 되는가?
• RQ5 반복 고유값이 필요한 리카티 방정식의 수와 전체 확장 가능성에 어떤 영향을 미치는가?

주요 결과

• 최적 제어 문제는 결합 행렬의 서로 다른 비영 고유값의 수인 Ldist에 따라 최대 Ldist + 1개의 분리된 dx×dx 리카티 방정식으로 감소된다.
• 라플라스 행렬로 연결된 20개의 조화 진동자 네트워크의 경우, 중심화된 20×20 해법 대비 6개의 리카티 방정식(5개의 서로 다른 비영 고유값 + 1개의 보조계)으로 충분하다.
• 평균장 결합 케이스(완전 그래프)에서는 평균 상태에 대한 하나의 리카티 방정식과 편차에 대한 하나의 방정식으로 감소하며, 이는 기존 결과와 일치하지만 일반적인 스펙트럼 프레임워크를 통해 유도된다.
• 영공간에 대한 보조 리카티 방정식은 라플라스 행렬의 경우와 마찬가지로 종종 0 해를 갖는다(예: ˘P(t) = 0), 이는 구현을 단순화시킨다.
• 제안된 방법은 상당한 계산적 이점을 제공한다: Ldist ≪ n일 경우, 복잡도는 O(n²dx²)에서 O(Ldist dx²)로 감소하여 대규모 네트워크로의 확장이 가능해진다.
• 이 방법은 이웃 정보와 투영된 상태만을 사용하여 국소적 또는 분산형 구현을 지원하므로, 대규모 시스템에 실용적으로 구현이 가능하다.