[论文解读] A Fast Algorithm for Sparse Controller Design

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

Control Systems and Identification参考文献 35被引用 18

一句话总结

该论文提出了一种结合坐标下降与高效李雅普诺夫求解技术的快速近端牛顿方法，用于大规模系统中的稀疏控制器设计。通过利用数值线性代数技巧将每次迭代的李雅普诺夫求解成本降低至 O(n)，该算法在保持数千状态系统高精度的同时，相比以往方法实现了数量级的加速，适用于包括实际电力网络在内的大规模系统。

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.

研究动机与目标

• 解决大规模系统（含数千状态）中稀疏最优控制缺乏可扩展算法的问题。
• 通过加速李雅普诺夫方程求解，克服稀疏控制器设计中牛顿法每次迭代 O(n³) 的计算成本。
• 开发一种实用且高精度的算法，使真实世界系统（如电网）的稀疏控制器设计成为可能。
• 实现相比现有一阶方法或 SDP 基方法快多个数量级的收敛速度。

提出的方法

• 采用近端牛顿（牛顿-Lasso）框架，最小化平滑 H2 代价函数与控制器增益上的 ℓ1-范数惩罚。
• 在活动集上使用坐标下降法，高效求解每次正则化牛顿步长。
• 通过预计算与变换，将李雅普诺夫求解成本从 O(n³) 降低至每次内积 O(n)。
• 利用数值方法（如快速多极方法与 Autonne-Kakagami 分解）以利用低秩结构。
• 在海森矩阵计算中，通过结构感知分解与矩阵分解求解李雅普诺夫方程。
• 将这些组件整合为一个全局收敛的二阶方法，用于 ℓ1-正则化最优控制。

实验结果

研究问题

• RQ1 尽管存在 O(n³) 的李雅普诺夫求解，能否使二阶方法在大规模稀疏控制器设计中变得实用？
• RQ2 在 ℓ1-正则化最优控制中，活动集上的坐标下降能否降低求解内部牛顿步长的成本？
• RQ3 能否通过矩阵结构利用与数值线性代数技术实现 O(n) 的李雅普诺夫求解？
• RQ4 在真实世界电力系统中，所提算法与 ADMM、ISTA 等一阶方法相比，在速度与精度上表现如何？
• RQ5 在如电力网络等大规模系统中，稀疏控制器在多大程度上可实现接近最优的性能？

主要发现

• 在 500 个状态的 PST 50 机器系统上，所提出的 Newton-CD 算法在 173 秒内收敛至优于 10⁻⁸ 的精度，而 ADMM 在超过一小时后仍保持在 10³ 以上的误差。
• 在含 PSS 的 IEEE 145 节点系统上，Newton-CD 在 173 秒内完成收敛，而 ADMM 与 ISTA 显示出明显更慢的收敛速度与更不稳定的稀疏模式。
• 在所有测试的电力系统中（包括 NPCC 140 节点与 NE 39 节点系统），该算法找到了稳定的控制器，性能与 LQR 相差不超过 0.1%，同时保持高度稀疏性。
• 所找到的最稀疏稳定控制器通常为局部或近似局部，仅依赖于少数邻近状态，体现出实际的分布式特性。
• 在所有基准测试中，该算法相比 ADMM 与 ISTA 实现了数量级的加速，运行时间差异最高达 10⁴×。
• 该算法成功处理了最多达 500 个状态的系统，显著超过以往研究，并在整个过程中保持了高数值精度。