Explicit Distributed MPC: Reducing Computation and Communication Load by Exploiting Facet Properties

📄 arXiv: 2604.02177v1 📥 PDF

作者: Parth R. Brahmbhatt, Hari S. Ganesh, Styliani Avraamidou

分类: math.OC, eess.SY

发布日期: 2026-04-02

💡 一句话要点

提出FACET-DiMPC，利用Facet属性减少分布式MPC的计算和通信负担

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 分布式模型预测控制 多参数规划 关键区域探索 Facet属性 实时控制

📋 核心要点

  1. 传统DiMPC需要多次迭代才能收敛，导致计算和通信负担过重，难以满足实时性要求。
  2. FACET-DiMPC利用多参数规划和Facet属性，离线计算显式控制律，避免了在线迭代和数据交换。
  3. 实验表明，FACET-DiMPC在保证控制性能的同时，显著降低了计算时间和通信开销。

📝 摘要（中文）

本文提出了一种改进的无迭代分布式模型预测控制(DiMPC)方法，旨在最小化计算量和通信负担。该方法利用多参数规划离线计算每个子系统的显式控制律，从而实现无需子系统间迭代数据交换的实时控制。在先前无迭代DiMPC工作的基础上，本文引入了一种基于Facet的关键区域探索技术(FACET-DiMPC)，通过利用Facet属性进行有针对性的关键区域探索，进一步降低了计算复杂度。仿真结果表明，所开发的方法实现了与集中式方法相当的控制性能，同时显著降低了通信开销和计算时间。特别是，与经典的迭代DiMPC方法相比，所提出的方法在平均计算时间上减少了98%，与无迭代DiMPC方法相比减少了42%，使其非常适合具有严格延迟和计算约束的实时控制应用。

🔬 方法详解

问题定义：经典分布式模型预测控制(DiMPC)方法需要多次迭代才能达到收敛，这导致了较高的计算负担和通信开销，限制了其在实时性要求高的场景中的应用。现有的无迭代DiMPC方法虽然避免了在线迭代，但仍然存在计算复杂度较高的问题，尤其是在关键区域的探索上效率不高。

核心思路：本文的核心思路是利用多参数规划离线计算每个子系统的显式控制律，并结合Facet属性进行有针对性的关键区域探索。通过预先计算控制策略，避免了在线迭代，从而降低了计算负担和通信开销。利用Facet属性，可以更有效地识别和探索关键区域，从而进一步降低计算复杂度。

技术框架：FACET-DiMPC的整体框架包括离线计算和在线控制两个阶段。在离线计算阶段，首先利用多参数规划为每个子系统计算显式控制律。然后，利用Facet属性进行关键区域探索，以减少计算量。在在线控制阶段，每个子系统根据当前状态和预先计算的控制律，独立地计算控制输入，无需与其他子系统进行数据交换。

关键创新：本文最重要的技术创新点是提出了基于Facet的关键区域探索技术(FACET)。与传统的关键区域探索方法相比，FACET利用Facet属性来指导探索过程，从而更有效地识别和探索关键区域。这种方法可以显著减少计算量，并提高控制性能。

关键设计：FACET-DiMPC的关键设计包括Facet属性的定义和提取、关键区域的识别和探索策略、以及多参数规划的求解方法。Facet属性用于描述控制律的几何特征，关键区域探索策略用于指导探索过程，多参数规划的求解方法用于计算显式控制律。具体的参数设置和算法实现需要根据具体的应用场景进行调整。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，与经典的迭代DiMPC方法相比，FACET-DiMPC在平均计算时间上减少了98%，与无迭代DiMPC方法相比减少了42%。同时，FACET-DiMPC实现了与集中式方法相当的控制性能，验证了该方法的有效性和优越性。

🎯 应用场景

FACET-DiMPC适用于具有严格延迟和计算约束的实时控制应用，例如智能电网、多机器人协同控制、自动驾驶等。该方法可以显著降低计算负担和通信开销，提高系统的实时性和可靠性。未来，可以将FACET-DiMPC扩展到更复杂的系统和更广泛的应用领域。

📄 摘要（原文）

Classical Distributed Model Predictive Control (DiMPC) requires multiple iterations to achieve convergence, leading to high computational and communication burdens. This work focuses on the improvement of an iteration-free distributed MPC methodology that minimizes computational effort and communication load. The aforementioned methodology leverages multiparametric programming to compute explicit control laws offline for each subsystem, enabling real-time control without iterative data exchanges between subsystems. Extending our previous work on iteration-free DiMPC, here we introduce a FAcet-based Critical region Exploration Technique for iteration-free DiMPC (FACET-DiMPC) that further reduces computational complexity by leveraging facet properties to do targeted critical region exploration. Simulation results demonstrate that the developed method achieves comparable control performance to centralized methods, while significantly reducing communication overhead and computation time. In particular, the proposed methodology offers substantial efficiency gains in terms of the average computation time reduction of 98% compared to classic iterative DiMPC methods and 42% compared to iteration-free DiMPC methods, making it well-suited for real-time control applications with tight latency and computation constraints.