Publications by the same author
plus in the repository
plus in Google Scholar

Bibliografische Daten exportieren
 

Verteilte Optimierung : Anwendungen in der Modellprädiktiven Regelung

URN to cite this document: urn:nbn:de:bvb:703-epub-3567-5

Title data

Braun, Philipp ; Grüne, Lars:
Verteilte Optimierung : Anwendungen in der Modellprädiktiven Regelung.
Bayreuth; Newcastle, Australia , 2018 . - 10 S.

Abstract

Verteilte Optimierungsverfahren wie die duale Dekomposition oder die Alternating Direction Method of Multipliers (ADMM) erleben in den letzten Jahren ein erneutes steigendes Interesse in den unterschiedlichsten Anwendungen. Die zunehmende Vernetzung von Servern oder Mikrocontrollern weltweit sowie die Größe von heutigen Datensätzen liefern dabei die Grundlage für die Nachfrage nach iterativen, parallelisierbaren Optimierungsverfahren. In dieser Arbeit stellen wir verteilte Optimierungsalgorithmen und ihre Anwendungen bei der Berechnung von Zustandsrückführungen mithilfe der Modellprädiktiven Regelung vor. Wir konzentrieren uns auf die Systemdynamik sowie die Vernetzung der Systeme bei der Anwendbarkeit der Algorithmen. Darüber hinaus untersuchen wir die Algorithmen auf ihre Kommunikationsstruktur, den Austausch sensibler Daten, die Skalierbarkeit und die Flexibilität.

Abstract in another language

Distributed optimization like dual decomposition or the alternating direction method of multipliers (ADMM), proposed centuries ago, experience an increased interest in various applications over the last years. Severs or microcontrollers connected all over the world and big data applications build the foundation and demand for iterative, parallelizable and distributed optimization algorithms. In this paper we present distributed optimization algorithms and their applications in the context of feedback design using model predictive control. We concentrate on the dynamics and the interconnection of the dynamical systems with respect to the applicability of the distributed optimization algorithms. Moreover, we focus on the communication structure in terms of the exchange of sensitive data, as well as the scalability and flexibility of the distributed optimization algorithms.

Further data

Item Type: Preprint, postprint
Additional notes (visible to public): erschienen in:
Automatisierungstechnik. Bd. 66 (November 2018) Heft 11 . - S. 939-949.
DOI: https://doi.org/10.1515/auto-2018-0009
Keywords: Modellprädiktive Regelung; Verteilte Optimierung; Duale Dekomposition; Alternating Direction Method of Multipliers
DDC Subjects: 500 Science > 510 Mathematics
Institutions of the University: Faculties
Faculties > Faculty of Mathematics, Physics und Computer Science
Faculties > Faculty of Mathematics, Physics und Computer Science > Department of Mathematics
Faculties > Faculty of Mathematics, Physics und Computer Science > Department of Mathematics > Chair Mathematics V (Applied Mathematics)
Faculties > Faculty of Mathematics, Physics und Computer Science > Department of Mathematics > Chair Mathematics V (Applied Mathematics) > Chair Mathematics V (Applied Mathematics) - Univ.-Prof. Dr. Lars Grüne
Faculties > Faculty of Mathematics, Physics und Computer Science > Department of Mathematics > Chair Applied Mathematics
Profile Fields > Advanced Fields > Nonlinear Dynamics
Profile Fields
Profile Fields > Advanced Fields
Language: German
Originates at UBT: Yes
URN: urn:nbn:de:bvb:703-epub-3567-5
Date Deposited: 01 Feb 2018 06:49
Last Modified: 17 May 2021 08:29
URI: https://epub.uni-bayreuth.de/id/eprint/3567

Downloads

Downloads per month over past year