[论文解读] A General Framework for Modeling and Online Optimization of Stochastic Hybrid Systems

Ali Kebarighotbi, Christos G. Cassandras|arXiv (Cornell University)|Mar 23, 2012

Advanced Queuing Theory Analysis参考文献 5被引用 5

一句话总结

本文提出了一种广义随机混合自动机（SHA）框架，通过引入计时器状态和事件特定的守卫函数，消除了过渡触发的歧义，实现了统一的、基于矩阵的无穷小扰动分析（IPA），支持在线优化。其主要贡献在于提出了一种稳健的、与事件无关的IPA公式，可统一估计所有事件类型的性能敏感度，而无需逐类分析。

ABSTRACT

We extend the definition of a Stochastic Hybrid Automaton (SHA) to overcome limitations that make it difficult to use for on-line control. Since guard sets do not specify the exact event causing a transition, we introduce a clock structure (borrowed from timed automata), timer states, and guard functions that disambiguate how transitions occur. In the modified SHA, we formally show that every transition is associated with an explicit element of an underlying event set. This also makes it possible to uniformly treat all events observed on a sample path of a stochastic hybrid system and generalize the performance sensitivity estimators derived through Infinitesimal Perturbation Analysis (IPA). We eliminate the need for a case-by-case treatment of different event types and provide a unified set of matrix IPA equations. We illustrate our approach by revisiting an optimization problem for single node finite-capacity stochastic flow systems to obtain performance sensitivity estimates in this new setting.

研究动机与目标

• 为解决传统随机混合自动机（SHA）在在线控制中的局限性，特别是由于守卫集导致的过渡触发歧义问题。
• 消除在性能敏感度分析中对不同事件类型（如外生、内生、诱导事件）进行逐类处理的需要。
• 为无穷小扰动分析（IPA）开发一种适用于任意随机混合系统的统一矩阵表示法。
• 通过将敏感度估计与随机过程的底层概率规律解耦，实现高效、实时的优化。
• 在有限容量排队系统上验证该框架，恢复已知的IPA结果，并实现更广泛的适用性。

提出的方法

• 引入计时器状态和时钟结构作为系统的显式输入，明确过渡时机和事件因果关系。
• 用显式关联每个过渡与预定义事件集内特定事件的守卫函数，替代传统的守卫集。
• 明确定义每个过渡由唯一事件触发，消除过渡已启用但尚未触发的歧义。
• 推导出统一适用于所有事件类型的IPA方程矩阵形式，简化推导与实现。
• 利用改进的SHA模型，推导出队列长度和工作量等性能指标的样本路径导数估计量。
• 将该框架应用于单节点有限容量排队系统，以验证敏感度估计的一致性与准确性。

实验结果

研究问题

• RQ1 如何重构随机混合自动机，使其显式关联每个过渡与特定事件，从而消除触发因果关系的歧义？
• RQ2 能否推导出一种统一的基于矩阵的IPA公式，使所有事件类型均被一致处理，而无需对内生、外生或诱导事件分别分析？
• RQ3 所提出的框架是否通过使敏感度估计独立于随机过程的底层概率分布，保持了IPA的基本稳健性？
• RQ4 该新框架是否能恢复先前工作中已知的IPA结果（如有限容量排队系统的结果），同时实现更广泛的推广？
• RQ5 IPA方程的矩阵形式在具有多个状态和事件类型的复杂系统中是否具备可扩展性和计算可行性？

主要发现

• 所提出的框架通过守卫函数将每个过渡与唯一事件关联，成功消除了过渡触发的歧义，实现了样本路径上的精确事件级追踪。
• 推导出统一的IPA方程矩阵表示法，使所有事件类型均可一致估计敏感度，无需逐类分类。
• 在有限容量排队系统中，队列长度和工作量的敏感度估计结果被证明与到达过程和服务过程的分布无关，证实了IPA的基本稳健性特征。
• 该框架成功恢复了先前针对单节点排队系统建立的IPA结果，验证了其正确性与先前工作的内在一致性。
• 通过显式事件触发的过渡，推导出性能指标的样本路径导数估计量，支持实时在线优化。
• 该方法通过将敏感度估计与随机过程建模解耦，简化了在线控制算法的设计。