資源描述：
《基于蒙特卡羅方法的隨機(jī)預(yù)測(cè)控制優(yōu)化算法》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要摘要隨機(jī)預(yù)測(cè)控制與標(biāo)準(zhǔn)預(yù)測(cè)控制的區(qū)別在于前者系統(tǒng)地考慮對(duì)象的不確定性，而非依賴(lài)于反饋校正來(lái)補(bǔ)償不確定性。在隨機(jī)預(yù)測(cè)控制中，約束是機(jī)會(huì)約束，目標(biāo)函數(shù)是數(shù)學(xué)期望，滾動(dòng)優(yōu)化求解的是隨機(jī)優(yōu)化問(wèn)題。蒙特卡羅模擬方法在求解隨機(jī)優(yōu)化問(wèn)題上有其特定的優(yōu)勢(shì)。本文深入研究了基于蒙特卡羅模擬的優(yōu)化算法及其在隨機(jī)預(yù)測(cè)控制滾動(dòng)優(yōu)化中的應(yīng)用。供應(yīng)鏈系統(tǒng)常伴隨有生產(chǎn)的波動(dòng)和需求的波動(dòng)，本文為其建立受到隨機(jī)擾動(dòng)和機(jī)會(huì)約束的隨機(jī)動(dòng)態(tài)模型。為了降低供應(yīng)鏈系統(tǒng)中的隨機(jī)性給供應(yīng)鏈管理帶來(lái)的成本，本文基于前人的供應(yīng)鏈管理預(yù)測(cè)控制的研究，為供應(yīng)鏈管理建立隨機(jī)預(yù)測(cè)控制框架，并采用馬氏鏈蒙特卡羅方法求解控制律。本文
2、提出在不同庫(kù)存水平下的兩種控制模式：馬氏鏈蒙特卡羅和機(jī)會(huì)約束。仿真結(jié)果表明，這兩種模式在抑制庫(kù)存波動(dòng)和抑制生產(chǎn)波動(dòng)上優(yōu)于標(biāo)準(zhǔn)預(yù)測(cè)控制。為了最大化降低總體成本，本文建立了兩種模式的最優(yōu)切換，證明了最優(yōu)切換界的存在性并利用博弈論觀點(diǎn)求得該切換界。仿真結(jié)果證實(shí)了該界的最優(yōu)性。本文針對(duì)模型非線(xiàn)性和擾動(dòng)非高斯的情況，介紹了基于序貫蒙特卡羅的狀態(tài)估計(jì)與控制律求解，提出了狀態(tài)估計(jì)與控制律求解的融合，在序貫蒙特卡羅中，產(chǎn)生決策的粒子，狀態(tài)的粒子用Rao．Blackwell定理邊緣化，然后基于當(dāng)前狀態(tài)的估計(jì)對(duì)未來(lái)狀態(tài)作預(yù)測(cè)，形成隨機(jī)預(yù)測(cè)控制問(wèn)題，應(yīng)用序貫蒙特卡羅求解得到控制律。關(guān)鍵詞：隨機(jī)
3、預(yù)測(cè)控制馬氏鏈蒙特卡羅序貫蒙特卡羅機(jī)會(huì)約束供應(yīng)鏈管理博弈論ABSTRACTThedifferencebetweenStochasticModelPredictiveControl(SMPC)andStandardModelPredictiveControlisthattheformeronedealswithuncertaintiessystematically，whilethelateronecompensate也euncertaintieswithfeedback．InStochasticModelPredictiveControl，chanceconstraints
4、arepresentedandtheobjfectivefunctionisamathematicalexpectation．Asaresult，stochasticprogrammingiscarriedoutinarecedinghorizonmode．MonteCarlomethodsarepreferredinsolvingstochasticprogrammingproblems．ThisthesisdeeplystudiedthestochasticoptimizationbasedonMonteCarlomethodsandtheirapplicationi
5、nSMPC．Theproductionfluctuationanddemanduncertaintiesalwaysexistinthesupplychainsystems．Toreducethecostbroughtbyuncertaintiesinsupplychainmanagement(SCM)，basedonthepreviousworkonthemodelpredictivecontrolofsupplychainmanagementpioneeredbyresearchers，weformedaSMPCframeworkforSCMandtakeadvant
6、ageofMCMCtoobtainthecontrolsignal．Weproposetwomodesaccordingtodifferentinventorylevel：MCMCandChance-constraints，whichareverifiedbysimulationstudythattheyperformbetterthanstandardMPCinrestraininginventoryvariationandproductionvariationrespectively．Besides。inordertoreducetheoverallcostinthe
7、longrun，webuildaswitchingschemeforthetwomodes．Weprovetheexistenceofanoptimalswitchingboundandfindtheboundbasedongametheory．Alsothesimulationresultsshowitsoptimality．AstotheNon-linearNo-Gaussianmodel，thisthesisdemonstratesthestateestimationandsolutionofcontrollawbase
