计算设备及计算方法技术

计算设备的处理器包括：生成单元，该生成单元基于不等式约束集和初始解生成有效约束集；搜索单元，该搜索单元用于找到基于所述有效约束集和评估函数所生成的联立线性方程的解；以及更新单元，该更新单元基于由所述搜索单元所获得的解来更新所述有效约束集。所述生成单元将被确定为不与包括在所述有效约束集中的一个或多个第二不等式约束线性相关的所述第一不等式约束加到有效约束集中。述第一不等式约束加到有效约束集中。述第一不等式约束加到有效约束集中。

【技术实现步骤摘要】
计算设备及计算方法


[0001]本公开涉及一种计算设备及计算方法。

技术介绍

[0002]通常，在凸二次规划问题中，已知一种模型预测控制，其通过使用预测模型来预测从当前状态到表示近期的时间期间的控制目标的状态量来确定最优控制量(例如，日本专利特开第2016
‑
10009号)。模型预测控制采用基于控制目标的状态量与状态量的目标值之间的差以及控制量与控制量的目标值之间的差而生成的评价函数来执行计算，从而确定在考虑控制量的有效约束的情况下使评价函数最小的控制量。

技术实现思路

[0003]在用于寻找凸二次规划问题最优解的传统计算设备中，当设置为有效约束的多个不等式约束不是线性独立关系时，包括最优解要满足的条件的联立线性方程的元降低。当联立线性方程的元降低时，计算设备无法找到最优解。此外，为了确认设置为有效约束的多个不等式约束不是线性独立关系，计算设备需要计算每个不等式约束中矩阵的秩，结果可能会导致计算负载变大。
[0004]本专利技术是针对上述问题提出的，其目的在于提供一种计算设备和计算方法，分别通过所述计算设备和计算方法，可在尽可能避免大的计算负荷的同时找到凸二次规划问题的最优解。
[0005]根据本公开的计算设备是用于找到凸二次规划问题的最优解的设备。所述计算设备包括：接口，该接口获得所述凸二次规划问题的评价函数、不等式约束集和初始解；以及处理器，该处理器基于由所述接口获取的所述评价函数、所述不等式约束集和所述初始解来找到所述最优解。所述处理器包括生成单元、搜索单元和更新单元。所述生成单元基于所述不等式约束集和所述初始解来生成有效约束集。所述搜索单元用于找到基于所述有效约束集和所述评价函数而生成的联立线性方程的解。所述更新单元基于由所述搜索单元获得的所述解来更新所述有效约束集。所述生成单元包括加法确定单元、线性相关性确定单元和有效约束加法单元。所述加法确定单元确定所述不等式约束集是否包括满足加到所述有效约束集的条件的第一不等式约束。所述线性相关性确定单元确定满足所述条件的所述第一不等式约束是否与包括在所述有效约束集中的一个或多个第二不等式约束线性相关。所述有效约束加法单元将由所述线性相关性确定单元确定为不与所述一个或多个第二不等式约束线性相关的所述第一不等式约束加到所述有效约束集中。
[0006]根据本公开的计算方法是通过计算机来找到凸二次规划问题的最优解的方法。所述计算方法包括：(a)基于所述凸二次规划问题的不等式约束集和初始解来生成有效约束集的生成步骤；(b)用于找到基于所述有效约束集和所述凸二次规划问题中的评价函数所生成的联立线性方程的解的搜索步骤；以及(c)基于通过找到所述解而获得的所述解来更新所述有效约束集的更新步骤。所述生成步骤(a)包括：(a1)确定所述不等式约束集是否包
括满足用于加到所述有效约束集中的条件的第一不等式约束；(a2)确定满足所述条件的所述第一不等式约束是否与包括在所述有效约束集中的一个或多个第二不等式约束线性相关；以及(a3)将通过确定满足所述条件的所述第一不等式约束是否与包括在所述有效约束集中的所述一个或多个第二不等式约束线性相关、而确定为不与所述一个或多个第二不等式约束线性相关的所述第一不等式约束加到所述有效约束集中。
[0007]当结合附图进行本专利技术的以下详细描述时，本专利技术的前述和其他目的、特征、方面和优点将变得更加明显。
附图说明
[0008]图1是示出实施方式所涉及的计算设备的硬件结构的图。
[0009]图2是示出线性约束的系数矩阵的图。
[0010]图3是示出实施方式所涉及的计算设备的功能结构的图。
[0011]图4是示出实施方式所涉及的生成单元的功能结构的图。
[0012]图5是示出示例性线性相关性确定的图。
[0013]图6是示出示例性线性相关性确定的图。
[0014]图7是示出示例性线性相关性确定的图。
[0015]图8是示出实施方式所涉及的计算设备的计算步骤的流程图。
[0016]图9是示出实施方式所涉及的计算设备的生成步骤的流程图。
[0017]图10是示出实施方式所涉及的计算设备的搜索步骤的流程图。
[0018]图11是示出实施方式所涉及的计算设备的更新步骤的流程图。
具体实施方式
[0019]以下，将参考附图来说明实施方式。应该注意，在图中，对相同或相当的部分标注相同的参考标号，并且不进行重复说明。
[0020]图1是示出实施方式所涉及的计算设备1的硬件结构的图。通过安装在需要求解优化问题的设备上的控制单元来实现实施方式所涉及的计算设备1。例如，当计算设备1在安装在车辆上的控制单元中实现时，计算设备1可以求解用于使车辆遵循目标路线的优化问题，或者可以求解用于优化燃料消耗的优化问题。当计算设备1在工厂控制设备中实现时，计算设备1可以解决优化工厂运转的优化问题。
[0021]如图1所示，计算设备1包括接口(I/F)11、处理器12和存储器13。
[0022]接口11获得各种类型的优化问题，例如凸二次规划问题。此外，接口11向控制目标等输出处理器12对优化问题的计算结果。
[0023]处理器12是“计算机”的一个示例。处理器12例如由CPU(中央处理单元)、FPGA(现场可编程门阵列)等构成。处理器12可以由诸如ASIC(专用集成电路)那样的处理电路构成。处理器12通过计算优化问题来找到最优解。
[0024]存储器13由诸如DRAM(动态随机存取存储器)或SRAM(静态随机存取存储器)那样的易失性存储器构成，或者由诸如ROM(只读存储器)那样的非易失性存储器构成。存储器13可以是包括SSD(固态驱动器)、HDD(硬盘驱动器)等的存储设备。存储器13存储用于处理器12求解优化问题的程序、计算数据等。
[0025]计算设备1可以是任何设备，只要计算设备1是用于找到凸二次规划问题的最优解的设备即可,并且对于作为由计算设备1计算的对象的优化问题没有特别限制。在本实施方式中，用于模型预测控制的凸二次规划问题被示出为作为计算设备1的计算对象的优化问题。
[0026]该模型预测控制是通过使用预测模型f来预测从当前状态到表示近期的时间T期间的控制目标的状态量来确定最优控制量的方法。该模型预测控制由以下公式(1)和(2)表示：
[0027][0028][0029]在公式(1)和(2)中，x表示状态变量，u表示控制变量。在模型预测控制中，找到用于最小化评价函数l的控制变量的值，基于状态变量x与状态变量x的目标值之差、控制变量u与控制变量u的目标值之差等来生成评价函数l。
[0030]应注意的是，在处理用于找到用于最大化评价函数l的控制变量的值的优化问题的情况下，该优化问题可以被处理为通过将评价函数l乘以
“‑
1”以反转评价函数l的符号来找到用于最小化评价函数l的控制变量的值的优化问题。
[0031]此外，本实施方式所涉及的优化问题包括由公式(2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算设备，该计算设备用于找到凸二次规划问题的最优解，所述计算设备包括：接口，该接口获得所述凸二次规划问题的评价函数、不等式约束集和初始解；以及处理器，该处理器基于由所述接口获得的所述评价函数、所述不等式约束集和所述初始解，来找到最优解，所述计算设备的特征在于，所述处理器包括：生成单元，该生成单元基于所述不等式约束集和所述初始解来生成有效约束集；搜索单元，该搜索单元用于找到基于所述有效约束集和所述评价函数所生成的联立线性方程的解；以及更新单元，该更新单元基于由所述搜索单元获得的所述解来更新所述有效约束集，所述生成单元包括：加法确定单元，该加法确定单元确定所述不等式约束集是否包括满足加到所述有效约束集中的条件的第一不等式约束；线性相关性确定单元，该线性相关性确定单元确定满足所述条件的所述第一不等式约束是否与包括在所述有效约束集中的一个或多个第二不等式约束线性相关；以及有效约束加法单元，该有效约束加法单元将由所述线性相关性确定单元确定为不与所述一个或多个第二不等式约束线性相关的所述第一不等式约束加到所述有效约束集中。2.如权利要求1所述的计算设备，其特征在于，当包括在所述一个或多个第二不等式约束中的每一个中且具有非零系数的一个或多个元素是包括在所述第一不等式约束中且具有所述非零系数的一个或多个元素的子集时，并且当包括在所述一个或多个第二不等式约束中且具有非零系数的所述一个或多个元素的数量大于等于包括在所述第一不等式约束中且具有所述非零系数的所述一个或多个元素的数量时，所述线性相关性确定单元确定为所述第一不等式约束与所述一个或多个第二不等式约束线性相关。3.如权利要求1所述的...

【专利技术属性】
技术研发人员：服部润也，远藤雅也，大曲祐子，鵜生知辉，S，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：