京都大学博士生Hayoo Deng和Toshiyuki Otsuka教授成功开发了一种高速算法,利用并行计算执行实时最优控制(模型预测控制)。
在约束条件下寻找最优运动的问题称为最优控制问题。它可用于控制各种物体的巧妙运动,例如自动驾驶、稳定电力系统、提高化学反应效率等。特别是,模型预测控制作为一种具有广泛应用的方法正在被积极研究,模型预测控制根据时刻情况实时解决最优控制问题并进行控制。然而,复杂的问题需要大量的计算和时间,使得模型预测控制的实现变得困难。
模型预测控制需要每次在有限的未来时期内执行优化。然而,长期的未来走势对初始条件很敏感,使得未来走势的整体优化变得困难。这次提出的方法将未来的运动分解为多个片段,并使用并行计算同时对每个片段进行优化。当时,我们设计了一种适当考虑相邻片段影响的分解方法,成功地在实现整体优化的同时显着加快了计算速度。一般来说,增加片段数量会增加计算时间,但在所提出的方法的情况下,可以同时优化多个片段,因此计算时间的增加不到传统方法的四分之一。
这项研究的结果将使得能够充分利用近年来发展起来的多核处理器的性能,并通过使用多个廉价处理器来提高计算效率。预计实施模型预测控制的成本将会降低。此外,还将有可能应用于自动驾驶、机器人控制、电力网络控制等新领域。未来,该公司计划开发工业应用软件。