Verteilte Optimierung: Anwendungen in der Modellprädiktiven Regelung

Abstract

Zusammenfassung Verteilte Optimierungsverfahren wie die duale Dekomposition oder die Alternating Direction Method of Multipliers (ADMM) erleben in den letzten Jahren ein erneutes steigendes Interesse in den unterschiedlichsten Anwendungen. Die zunehmende Vernetzung von Servern oder Mikrocontrollern weltweit sowie die Größe von heutigen Datensätzen liefern dabei die Grundlage für die Nachfrage nach iterativen, parallelisierbaren Optimierungsverfahren. In dieser Arbeit stellen wir verteilte Optimierungsalgorithmen und ihre Anwendungen bei der Berechnung von Zustandsrückführungen mithilfe der Modellprädiktiven Regelung vor. Wir konzentrieren uns auf die Systemdynamik sowie die Vernetzung der Systeme bei der Anwendbarkeit der Algorithmen. Darüber hinaus untersuchen wir die Algorithmen auf ihre Kommunikationsstruktur, den Austausch sensibler Daten, die Skalierbarkeit und die Flexibilität.