DOI: https://doi.org/10.15388/namc.2026.31.46903
تاريخ النشر: 2026-05-15
المؤلف: Zhaohua Gong وآخرون
الموضوع الرئيسي: تحليل المعادلات التفاضلية غير الخطية
نظرة عامة
في هذا البحث، يستكشف المؤلفون مشكلة تحسين ديناميكية قوية للأنظمة المتقطعة غير الخطية ذات النسب (FISSs) التي تتميز بمعلمات غير مؤكدة. الجانب المبتكر في نهجهم هو الدمج المباشر لحساسية المعلمات في الدالة التكلفية، والتي تهدف إلى تعزيز قوة النظام ضد عدم اليقين في النموذج. لمواجهة مشكلة التحسين، يقوم المؤلفون أولاً بحساب حساسية النظام باستخدام FISS مساعد ويطبقون تحويل قياس الزمن لإعادة صياغة مشكلة التحسين مع لحظات تبديل ثابتة. يستخرجون تعبيرات التدرج القابلة للتعامل من خلال مجموعة من الأنظمة المساعدة ويطورون طريقة تحسين تعتمد على التدرج جنبًا إلى جنب مع مخطط عددي مصمم خصيصًا لـ FISSs.
تشمل المساهمات الرئيسية للدراسة: (i) طريقة حساب الحساسية التي تقيس تأثيرات عدم اليقين في المعلمات على FISSs؛ (ii) تقنية تحويل قياس الزمن لإدارة لحظات التبديل المتغيرة بفعالية؛ (iii) اشتقاق صيغ التدرج اللازمة لتحسين فعال؛ و (iv) إنشاء خوارزمية تحسين تعتمد على التدرج مقترنة بمخطط عددي مخصص لـ FISSs. يتم التحقق من فعالية المنهجية المقترحة من خلال مثالين عدديين، مما يظهر تحسينات ملحوظة في حساسية التحكم وأداء النظام بشكل عام.
مقدمة
تناقش مقدمة الورقة أهمية الأنظمة ذات الرتبة الكسرية، التي توسع الأنظمة التقليدية ذات الرتبة الصحيحة من خلال دمج المشتقات غير الصحيحة، مما يجعلها قادرة على نمذجة الديناميات المعقدة التي تتميز بالذاكرة والخصائص الوراثية. أدى دمج حساب التفاضل الكسرية مع الاندفاع والتبديل إلى تطوير أنظمة متقطعة ذات نسب (FISSs)، والتي تكون مفيدة بشكل خاص في التقاط الانتقالات المفاجئة والاعتماديات بعيدة المدى في تطبيقات متنوعة، بما في ذلك الروبوتات والشبكات العصبية والأنظمة البيولوجية. على الرغم من مزاياها في النمذجة، فإن تحسين والتحكم في FISSs يمثلان تحديات كبيرة، مع تقارير محدودة عن التقدم النظري والخوارزمي في الأدبيات.
يسلط المؤلفون الضوء على الأبحاث الحالية حول الأنظمة المتقطعة العشوائية ذات النسب والتحكم الأمثل، مشيرين إلى أن معظم الطرق الحالية، بما في ذلك استراتيجيات تحسين ثم التمييز (OTD)، لا تعالج بشكل كافٍ تحسين FISSs ذات المعلمات غير المؤكدة – وهي مشكلة شائعة في التطبيقات الواقعية. يؤكدون على الحاجة إلى استراتيجيات مثلى قوية يمكن أن تتحمل عدم اليقين في المعلمات. تكمن المساهمة الرئيسية للورقة في اقتراح نهج جديد يدمج القوة المستندة إلى الحساسية في تحسين الديناميكية لـ FISSs، باستخدام استراتيجية حساب التدرج المستندة إلى OTD. تعيد هذه الطريقة صياغة مشكلة التحسين من خلال دمج حساسية النظام في الدالة التكلفية، مما يسمح بتحسين المتغيرات القرار مثل أوقات التبديل وسعات الاندفاع. يقوم المؤلفون بتطوير خوارزمية عددية مخصصة لحل المشكلة المحولة ويظهرون فعاليتها من خلال أمثلة عددية.
مناقشة
في هذا القسم، يتناول المؤلفون تحسين الديناميكية القوية للأنظمة المتقطعة ذات النسب (FISS) التي تتميز بمتجهات المعلمات غير المؤكدة. تم صياغة المشكلة لتقليل دالة التكلفة التي تتضمن مصطلح حساسية، مما يعكس تأثير تقلبات المعلمات على الحل الأمثل. تشمل متغيرات التحسين أوقات التبديل ومتجه التحكم الاندفاعي، والتي تعتبر حاسمة لإدارة التغيرات المفاجئة في حالة النظام. يقدم المؤلفون دالة تكلفة جديدة، \( J_\gamma(\nu, \sigma | \zeta^*) \)، التي تجمع بين دالة التكلفة الأصلية \( J(\nu, \sigma | \zeta^*) \) مع مصطلح حساسية تربيعي، مما يعزز القوة ضد عدم اليقين.
لمواجهة التحديات التي تطرحها الخصائص غير القياسية لمشكلة التحسين، يقوم المؤلفون بتحويلها إلى إطار تحسين ديناميكي قياسي من خلال تقنيات قياس الزمن. يسمح هذا التحويل بلحظات تبديل ثابتة، مما يسهل تطبيق طرق تحسين تعتمد على التدرج. يتناول القسم أيضًا اشتقاق التدرجات اللازمة للتحسين، مستفيدًا من FISSs المساعدة لحساب الحساسية بكفاءة. يظهر المخطط العددي المقترح تقارب من الدرجة الثانية، ويقوم المؤلفون بالتحقق من نهجهم من خلال مثالين عدديين، مما يوضح فعالية استراتيجية التحسين القوية في التطبيقات العملية، مثل حصاد الروبيان. تشير النتائج إلى أن دمج مصطلح الحساسية يحسن بشكل كبير من قوة استراتيجيات التحكم الأمثل ضد عدم اليقين في المعلمات.
DOI: https://doi.org/10.15388/namc.2026.31.46903
Publication Date: 2026-05-15
Author(s): Zhaohua Gong et al.
Primary Topic: Nonlinear Differential Equations Analysis
Overview
In this research, the authors investigate a robust dynamic optimization problem for nonlinear fractional impulsive switched systems (FISSs) characterized by uncertain parameters. The innovative aspect of their approach is the direct integration of parameter sensitivity into the cost functional, which aims to enhance the system’s robustness against model uncertainties. To tackle the optimization problem, the authors first compute the system sensitivity using an auxiliary FISS and apply a time-scaling transformation to reformulate the optimization problem with fixed switching instants. They derive tractable gradient expressions through a set of auxiliary systems and develop a gradient-based optimization method along with a numerical scheme specifically designed for FISSs.
The study’s key contributions include: (i) a sensitivity computation method that quantifies the effects of parameter uncertainty on FISSs; (ii) a time-scaling transformation technique to manage variable switching instants effectively; (iii) the derivation of necessary gradient formulas for efficient optimization; and (iv) the creation of a gradient-based optimization algorithm paired with a customized numerical scheme for FISSs. The effectiveness of the proposed methodology is validated through two numerical examples, which demonstrate notable enhancements in control sensitivity and overall system performance.
Introduction
The introduction of the paper discusses the significance of fractional-order systems, which extend classical integer-order systems by incorporating non-integer derivatives, making them adept at modeling complex dynamics characterized by memory and hereditary traits. The integration of fractional calculus with impulse and switching has led to the development of fractional impulsive switched systems (FISSs), which are particularly useful for capturing abrupt transitions and long-range dependencies in various applications, including robotics, neural networks, and biological systems. Despite their modeling advantages, the optimization and control of FISSs present substantial challenges, with limited theoretical and algorithmic advancements reported in the literature.
The authors highlight existing research on fractional stochastic impulsive systems and optimal control, noting that most current methods, including optimize-then-discretize (OTD) strategies, do not adequately address the optimization of FISSs with uncertain parameters—a common issue in real-world applications. They emphasize the need for robust optimal strategies that can withstand parameter uncertainties. The paper’s main contribution lies in proposing a novel approach that integrates sensitivity-based robustness into the dynamic optimization of FISSs, utilizing an OTD-based gradient computation strategy. This method reformulates the optimization problem by incorporating system sensitivity into the cost functional, allowing for the optimization of decision variables such as switching times and impulsive amplitudes. The authors develop a tailored numerical algorithm to solve the transformed problem and demonstrate its effectiveness through numerical examples.
Discussion
In this section, the authors address the robust dynamic optimization of fractional impulsive switched systems (FISS) characterized by uncertain parameter vectors. The problem is formulated to minimize a cost function that incorporates a sensitivity term, reflecting the impact of parameter fluctuations on the optimal solution. The optimization variables include the switching times and impulsive control vector, which are crucial for managing sudden changes in the system state. The authors introduce a novel cost function, \( J_\gamma(\nu, \sigma | \zeta^*) \), which combines the original cost function \( J(\nu, \sigma | \zeta^*) \) with a quadratic sensitivity term, thereby enhancing robustness against uncertainties.
To tackle the challenges posed by the nonstandard characteristics of the optimization problem, the authors transform it into a standard dynamic optimization framework through time-scaling techniques. This transformation allows for fixed switching instants, facilitating the application of gradient-based optimization methods. The section also details the derivation of gradients necessary for optimization, leveraging auxiliary FISSs to compute sensitivities efficiently. The proposed numerical scheme demonstrates second-order convergence, and the authors validate their approach through two numerical examples, illustrating the effectiveness of the robust optimization strategy in practical applications, such as shrimp harvesting. The results indicate that incorporating the sensitivity term significantly improves the robustness of the optimal control strategies against parameter uncertainties.