研究人员开发算法平衡组件的数据需求 提高自动驾驶系统性能
盖世汽车讯 据外媒报道，来自北卡罗来纳州立大学(North Carolina State University)的研究人员开发了一套算法，通过平衡各个组件对数据的需求，以及数据的发送和接收速度，从而提高自动驾驶汽车等信息物理系统的性能。
(图片来源：https://techxplore.com)
新算法论文作者之一、该大学电子与计算机工程教授Aranya Chakrabortty表示，“信息物理系统集成传感器、设备和通信工具，允许所有系统元件共享信息，协调活动，以完成目标。”这些系统具有巨大的潜力，但也带来了挑战。
Chakrabortty解释道，“具体而言，系统中的物理代理，即设备，需要大量的通信链路才能有效运行。这会导致大量数据流经通信网络，从而导致路径选择延迟和排队延迟。而延迟会导致代理需要等待很长时间才能采取行动，从而降低系统的质量。换言之，由于延迟时间太长，系统可能无法完成其既定目标。”这造成了一种困境，减少通信意味着系统每个元素将能够更快地获取信息，但会损害系统性能的质量，因为系统每个元件将使用更少的信息来运行。
Chakrabortty表示，“因此，我们需要在三个变量之间取得平衡，即适当的通信稀疏度、最佳延迟时间和代理的最佳可实现性能。要取得这种微妙的平衡，以尽可能好地方式执行任务，同时确保每个代理安全和稳定运行是不容易的，而这正是我们的算法发挥作用的地方。”
Chakrabortty和研究生Nandini Negi开发了三种算法，可减少系统中每个节点的数据请求总数，但确保每个节点都能快速接收充足的信息，以实现系统目标。Negi称，“没有一种万能的解决方案可以适用于所有信息物理系统，但我们的算法允许用户找到适用于所有系统的最佳通信解决方案。”
盖世汽车讯 据外媒报道，来自北卡罗来纳州立大学(North Carolina State University)的研究人员开发了一套算法，通过平衡各个组件对数据的需求，以及数据的发送和接收速度，从而提高自动驾驶汽车等信息物理系统的性能。
(图片来源：https://techxplore.com)
新算法论文作者之一、该大学电子与计算机工程教授Aranya Chakrabortty表示，“信息物理系统集成传感器、设备和通信工具，允许所有系统元件共享信息，协调活动，以完成目标。”这些系统具有巨大的潜力，但也带来了挑战。
Chakrabortty解释道，“具体而言，系统中的物理代理，即设备，需要大量的通信链路才能有效运行。这会导致大量数据流经通信网络，从而导致路径选择延迟和排队延迟。而延迟会导致代理需要等待很长时间才能采取行动，从而降低系统的质量。换言之，由于延迟时间太长，系统可能无法完成其既定目标。”这造成了一种困境，减少通信意味着系统每个元素将能够更快地获取信息，但会损害系统性能的质量，因为系统每个元件将使用更少的信息来运行。
Chakrabortty表示，“因此，我们需要在三个变量之间取得平衡，即适当的通信稀疏度、最佳延迟时间和代理的最佳可实现性能。要取得这种微妙的平衡，以尽可能好地方式执行任务，同时确保每个代理安全和稳定运行是不容易的，而这正是我们的算法发挥作用的地方。”
Chakrabortty和研究生Nandini Negi开发了三种算法，可减少系统中每个节点的数据请求总数，但确保每个节点都能快速接收充足的信息，以实现系统目标。Negi称，“没有一种万能的解决方案可以适用于所有信息物理系统，但我们的算法允许用户找到适用于所有系统的最佳通信解决方案。”
近年来，在设计信息物理系统(cyber–physical systems，简称CPS)稀疏度控制方面，出现了一些新的以降低通信成本为目标的研究方向。在这些设计中，常见的假设是通信发生在专用网络上。然而，在许多实际应用中，通信必须发生在共享网络上，这导致了两个关键的设计挑战，即反馈延迟和用户之间无法公平共享带宽。在此种设计约束条件下，研究人员开发了稀疏H2控制设计，该设计的一个基本方面是延迟本身可以是一个稀疏性函数，得以在H2中实现反馈延迟和用户公平共享带宽之间的平衡。
研究人员提出了三种不同的算法，第一种算法预设了可分配给网络的带宽，并产生稳定控制器的初始猜测。第二种算法采用乘子交替方向法(ADMM)，对控制器进行稀疏化，同时令其适应反馈延迟，并优化H2性能。第三种算法将此种方法扩展到多用户场景中，通过最小化用户H2性能的差异，将总数固定、数量最优的通信链路公平地分配给用户。这些算法将该问题转换为具有混合整数线性规划(MILP)约束的凸差(difference-of-convex，简称DC)规划问题。研究人员提供了一些定理，证明这些算法的收敛性，并通过数值模拟进行了验证。
加载全文
