基于热启动广义Benders分解的混合模型预测控制加速仿真研究

Nonlinear Analysis Hybrid Systems · 2026-10-28 · 期刊论文

• 一句话结论：在仿真基准问题上，所提基于广义Benders分解的混合MPC算法求解速度约为现成求解器Gurobi的2–3倍，常超过1000 Hz；该结论来自仿真验证，属方法性能层面的证据支持，尚不足以推断实机实时性。
• 研究设计与做法：研究为算法设计与仿真验证类工作：在线枚举并存储割平面于有限缓冲，跨MPC迭代传递以热启动新问题；在带软接触墙的小车倒立摆、绕障自由飞行机器人、单腿站立并用手推墙保持平衡的人形机器人三类基准上测试。随访时长材料未报告。
• 主要结果：主要结果为速度与枚举规模：割平面枚举量仅数十至数百量级，速度较Gurobi快2–3倍，常超1000 Hz；理论部分给出传递最优割与真实最优代价间对偶间隙的界，并据此量化首次求解Benders主问题的次优程度。具体效应量与置信区间材料未报告。
• 机制或解释：作者解释：混合整数与连续变量带来的组合复杂性使混合MPC求解速度难以满足实时需求；通过模式序列的时间平移与拉伸建模偏差，导出对偶间隙界，热启动可减少重复枚举，从而提升求解速度。
• 局限与边界：局限与边界：验证全部在仿真中进行，未报告实机实验；基准问题数量有限；理论界针对首次求解的次优性，未覆盖所有情形；利益冲突与资助信息材料未报告。
• 可否落地：可否落地：对含接触的机器人实时控制研究有参考价值，提示热启动分解可缩短求解时间；但证据档位为C且仅仿真，临床或工程部署前需实机验证，目前不足以下结论。

🔗 打开原文

Xuan Lin

本文摘自《每日前沿研究简报 · 2026-10-30》「数学」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。