Commande mixte <i>H<sub>2</sub>/H<sub>∞</sub></i>. Une approche par la stratégie de Stackelberg
Bibliographic record
Abstract
La commande mixte $H_2/H_\infty$ consiste à déterminer une commande minimisant la norme $H_2$ d'un système tout en respectant une contrainte sous optimale sur une norme $H_\infty$. Il s'agit d'un domaine de recherche encore largement ouvert, malgré le nombre important d'approches qui ont été proposées jusqu'à présent. Cet article utilise la théorie des jeux afin de formaliser cette gestion de divers critères). Même si cette approche a déjà été exploitée avec la stratégie de Nash dans la littérature, nous proposons ici d'appliquer la stratégie de Stackelberg, qui est mieux adaptée à la gestion de critères sous contrainte de minimisation d'autres critères. Les conditions nécessaires pour un horizon fini sont développées et aboutissent à une commande singulière. Cette propriété est interprétée en terme de théorie des jeux~: la stratégie de Stackelberg dégénère en stratégie de Nash. En utilisant les points conjugués, nous montrons que ces conditions sont aussi suffisantes. Un exemple numérique illustre notre approche.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".