Inclusion conditions for the Constrained Polynomial Zonotopic case

Resumen Técnico: Condiciones de Inclusión para Zonotopos Polinomiales Constrained (CPZ)

1. El Problema

La representación de conjuntos es fundamental en el análisis de alcanzabilidad y la detección de fallos. Mientras que los conjuntos convexos (como elipsoides y zonotopos estándar) tienen operaciones bien definidas y eficientes, los conjuntos no convexos presentan desafíos significativos debido a la pérdida de propiedades estructurales en su representación.

Los Zonotopos Polinomiales Constrained (CPZ) surgen como un compromiso efectivo: pueden capturar geometrías complejas y no convexas manteniendo una estructura algebraica manipulable. Sin embargo, a pesar de su expresividad, la verificación de inclusión (determinar si un conjunto $P_1$ está contenido dentro de otro $P_2$) entre dos CPZs es un problema abierto y computacionalmente costoso. Las métodos existentes para zonotopos lineales o restringidos (CZ) no son directamente aplicables o son demasiado conservadores cuando se introducen las no linealidades polinomiales.

2. Metodología

Los autores proponen un marco teórico basado en codificaciones no lineales para probar la inclusión entre dos CPZs. La metodología se desarrolla en los siguientes pasos:

• Definición del CPZ: Un conjunto CPZ se define mediante un centro, generadores, y restricciones polinomiales (igualdades) sobre los parámetros de generación ($\lambda$). Esto permite representar formas no convexas mediante términos polinomiales en la expansión del conjunto.
• Derivación de Condiciones Suficientes (Proposición 1):
  • Se establece que $P_1 \subseteq P_2$ si existe una transformación de los parámetros $\lambda_1$ a $\lambda_2$ que satisfaga las ecuaciones de definición de ambos conjuntos.
  • Se derivan condiciones algebraicas que relacionan los centros, matrices de generadores y restricciones de ambos conjuntos mediante matrices de transformación ($\Gamma, \Pi, \Psi$) y vectores de desplazamiento ($\gamma, \psi$).
  • El núcleo de la prueba utiliza la desigualdad triangular y propiedades logarítmicas para garantizar que, si los parámetros transformados cumplen ciertas cotas, permanecen dentro del dominio unitario ($\|\lambda_2\|_\infty \leq 1$).
  • Las condiciones resultantes (Eqs. 3a-3f) son no lineales, específicamente lineales en las restricciones de igualdad pero no lineales en las desigualdades debido a la presencia de operadores de valor absoluto y logaritmos.
• Adaptación para Optimización (Corolario 1):
  • Para integrar estas pruebas en marcos de optimización (donde el operador de valor absoluto es problemático), los autores reformulan las condiciones.
  • Introducen variables auxiliares ($\alpha_\Gamma, \alpha_\Psi$) para eliminar el operador de valor absoluto explícito, reemplazándolo por una representación basada en combinaciones convexas de vértices de un politopo cruzado.
  • Esto mantiene la naturaleza no lineal (logaritmos) pero facilita la implementación en solucionadores de optimización.

3. Contribuciones Clave

• Nuevas Condiciones de Inclusión: Se presentan las primeras condiciones suficientes para la inclusión entre dos conjuntos CPZ, llenando una brecha en la literatura que solo cubría casos lineales (zonotopos) o restringidos (CZ).
• Codificación No Lineal Adaptada: Se propone una reformulación que evita el uso directo del operador de valor absoluto, haciendo que las condiciones sean más compatibles con los marcos de optimización estándar.
• Generalización de Casos Previos: Se demuestra teóricamente que las condiciones para Zonotopos Constrained (CZ) son un caso particular de las nuevas condiciones para CPZ, validando la coherencia del marco propuesto.
• Análisis de Complejidad: Se realiza un análisis comparativo del tamaño del problema (número de variables, igualdades e inecuaciones) entre la formulación original y la adaptada, mostrando que, aunque la versión adaptada introduce más variables, simplifica la estructura de las no linealidades.

4. Resultados

Los autores validaron sus resultados teóricos mediante simulaciones numéricas:

• Escenario: Se definieron tres conjuntos CPZ ($P_1, P_2, P_3$) con diferentes escalas de generadores y restricciones, creando relaciones de inclusión conocidas (verdad fundamental).
• Comparativa: Se comparó el método propuesto (Corolario 1) con la herramienta de estado del arte CORA (usando su función CONTAINS).
• Precisión:
  • El método propuesto logró 100% de precisión, identificando correctamente todas las inclusiones verdaderas y falsas (sin falsos positivos ni negativos).
  • La herramienta CORA falló sistemáticamente en detectar inclusiones verdaderas (falsos negativos), atribuido a pasos de pre-procesamiento que inflan los conjuntos antes de la prueba.
• Eficiencia Computacional:
  • El método propuesto fue significativamente más rápido. Mientras que CORA tardó entre ~9 y ~11 segundos por prueba (debido a la aproximación polinomial previa y la subrutina CONTRACT), el método propuesto completó las pruebas en 0.58 a 1.34 segundos.

5. Significado e Impacto

Este trabajo es fundamental para avanzar en el análisis de sistemas dinámicos con incertidumbres complejas y no convexas.

• Viabilidad Práctica: Al ofrecer un método rápido y preciso para verificar la inclusión, habilita el uso de CPZs en aplicaciones en tiempo real o en bucles de control donde la verificación de seguridad es crítica.
• Integración en Optimización: La adaptación que elimina el valor absoluto permite utilizar estas condiciones directamente en problemas de optimización (como el cálculo de conjuntos invariantes positivos máximos), algo que antes era difícil debido a la no suavidad de las funciones de inclusión.
• Futuro: Los autores indican que estas condiciones serán la base para calcular conjuntos invariantes positivos máximos en el caso de zonotopos polinomiales con restricciones, un paso crucial para el control robusto de sistemas no lineales.

En resumen, el artículo proporciona una herramienta matemática robusta y computacionalmente eficiente para manejar la complejidad geométrica de los conjuntos no convexos en el contexto de la teoría de control y la estimación de estados.