优化｜高效的非线性模块预测求解器FORCES NLP

文章预览

↑↑↑↑↑ 点击上方 蓝色字 关注我们！ 这次要解读的是论文是FORCES NLP: An efficient implementation of interior-point methods for multistage nonlinear nonconvex programs，A. Zanelli, A. Domahidi, J. Jerez & M. Morari。总结来讲就是一个内点法，做到了structure-exploiting, approximate Hessians, and adaptive barrier rules。 现在我们要解决如下问题： 首先，本文讨论的是general的nonlinear optimization问题，两类思路，一个是single shooting method based on dynamic programming, 能够利用这个ocp特有的状态转移关系干掉很多优化变量，只留下控制量作为优化变量。他对于求解大规模问题在这个角度上来说是有利的。不过其实backward Riccati recursion+ipm也能吃到状态转移约束红利，两个方法一个意思。那还有一类可以采用牛顿类方式。首先把上面问题进行离散化，重新表达成： 其中 现在有一种方法牛顿类方法是SQP, 这个 ………………………………