MétaCan
Menu
Retour à la cohorte
Enregistrement W2112727145 · doi:10.1109/.2005.1467202

Optimality Zone Algorithms for Hybrid Systems Computation and Control: From Exponential to Linear Complexity

2005· article· en· W2112727145 sur OpenAlexaff
Peter E. Caines, M. Shahid Shaikh

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Control Systems Optimization
Établissements canadiensMcGill University
Organismes subventionnairesUniversity of Illinois at Urbana-Champaign
Mots-clésComputationOptimal controlAlgorithmState (computer science)Sequence (biology)ScheduleHybrid systemMathematical optimizationComputer scienceComputational complexity theorySet (abstract data type)MathematicsTime complexityExponential function

Résumé

récupéré en direct d'OpenAlex

Necessary conditions were obtained by Shaikh and Caines (2002, 2003 and 2004) for hybrid optimal control problems (HOCPs) which resulted in a general hybrid maximum principle (HMP); further, a class of efficient, provably convergent hybrid maximum principle (HMP) algorithms were obtained based upon the HMP. The notion of optimality zones (OZs) (2004) was introduced as a theoretical framework enabling the computation of optimal schedules for HOCPs (i.e., discrete state sequences with the associated switching times and states). This paper presents the algorithm HMPZ which fully integrates the prior computation of the OZs into the HMP algorithms. Adding (i) the computational investment in the construction of the OZs for a given HOCP, and (ii) the complexity of the computation of the optimal schedule, optimal switching time and state sequence, and the optimal continuous control input, yields a complexity estimate for the algorithm (HMPZ) which is linear (i.e., O(L)) in the number of switching times L; this is to be compared with the geometric (i.e. O(|Q|L)) growth of a direct combinatoric search over the set of schedules, where Q denotes the discrete state set of the hybrid system

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,005
Science ouverte0,0020,004
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,260
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Control Systems OptimizationTravaux en français237 207