Bilevel MPC for Linear Systems: A Tractable Reduction and Continuous Connection to Hierarchical MPC

Resumen Técnico

1. Planteamiento del Problema

El Control Predictivo Basado en Modelos (MPC) se utiliza frecuentemente en arquitecturas jerárquicas, donde una capa superior toma decisiones de alto nivel (ej. objetivos económicos o de seguridad) y una capa inferior ejecuta un controlador dinámico para rastrear esos objetivos. Sin embargo, cuando estas arquitecturas se formulan como problemas de optimización bi-nivel, los métodos estándar de reformulación (basados en las condiciones de Karush-Kuhn-Tucker, KKT) introducen restricciones de complementariedad.

Esto convierte el problema en un Programa Matemático con Restricciones de Complementariedad (MPCC), el cual presenta dos desventajas críticas para el control en tiempo real:

1. No convexidad: Las condiciones de complementariedad generan estructuras no convexas, lo que puede llevar a múltiples soluciones locales, inestabilidad numérica y falta de unicidad.
2. Dificultad de verificación: La no suavidad y la posible violación de calificaciones de restricciones (CQ) dificultan la garantía de estabilidad y el rendimiento en aplicaciones de seguridad crítica.

El objetivo del artículo es proponer una formulación de MPC bi-nivel para sistemas lineales que sea tractable, suave y garantice la unicidad de la solución, sin sacrificar el rendimiento óptimo.

2. Metodología

Los autores proponen un enfoque basado en tres pilares fundamentales:

A. Reducción Suave a un Solo Nivel (Tractable Reduction)
En lugar de utilizar las condiciones KKT completas (que incluyen multiplicadores de Lagrange y complementariedad), los autores proponen una reducción que:

• Eleva las desigualdades de la capa inferior al nivel superior.
• Reemplaza el problema de optimización de la capa inferior por su condición de optimalidad de primer orden (estacionariedad) sin restricciones.
• Esto elimina las condiciones de complementariedad, transformando el problema en un programa cuadrático suave (QP) o lineal.

Bajo una condición de no singularidad verificable de una matriz de bloque específica ($\bar{\Gamma}$), esta reducción es exacta: recupera el mismo valor óptimo y la misma trayectoria de entrada que el MPC bi-nivel original. Además, bajo supuestos de convexidad estándar, la solución es única y coincide con la de un MPC centralizado.

B. Conexión con MPC Jerárquico (HMPC) mediante Bloqueo de Movimientos
Para conectar la propuesta con las arquitecturas jerárquicas estándar (HMPC), los autores introducen una técnica de bloqueo de movimientos (move-blocking).

• El HMPC estándar se interpreta como un caso especial donde la referencia es constante en todo el horizonte (un solo bloque).
• Mediante el bloqueo, se restringe la secuencia de referencia a un subespacio estructurado de menor dimensión.
• Esto permite una interpolación continua entre el HMPC (bajo costo computacional, menor rendimiento) y el MPC bi-nivel completo (alto costo, máximo rendimiento).

C. Certificados de Degradación y Ordenamiento Óptimo
Se establece un ordenamiento de los valores óptimos entre las formulaciones:
$$V_{centralizado} = V_{bi-nivel} \leq V_{bi-nivel\ bloqueado} \leq V_{jerárquico}$$
Los autores derivan certificados a posteriori (cotas superiores) que cuantifican la degradación del rendimiento al usar una formulación bloqueada o jerárquica en lugar de la óptima. Estos certificados se calculan resolviendo un problema de mínimos cuadrados no negativos de bajo costo, permitiendo una toma de decisiones basada en el equilibrio entre eficiencia computacional y rendimiento.

3. Contribuciones Clave

1. Formulación Reducida Exacta: Propuesta de una reducción de un solo nivel que evita la no convexidad de los MPCC. Bajo condiciones de no singularidad, garantiza la misma solución que el problema bi-nivel original y la unicidad de la trayectoria de entrada.
2. Herencia de Propiedades de Estabilidad: Demostración de que, bajo convexidad, el sistema en lazo cerrado de la arquitectura bi-nivel reducida hereda las propiedades de estabilidad del MPC centralizado equivalente.
3. Marco de Interpolación y Trade-off: Conexión formal entre HMPC y MPC bi-nivel mediante bloqueo de movimientos, permitiendo ajustar la complejidad computacional.
4. Certificados de Rendimiento: Desarrollo de cotas de degradación computacionalmente eficientes que permiten verificar a posteriori si una simplificación (como el bloqueo) es aceptable sin necesidad de resolver el problema completo.
5. Algoritmo de Construcción de Matrices: Un procedimiento constructivo para generar matrices de bloqueo de rango bajo a partir de datos de operación, mejorando el rendimiento del HMPC estándar en regiones específicas.

4. Resultados Numéricos

El artículo valida la teoría mediante un ejemplo de sistema lineal simple (un integrador doble) y menciona una extensión a un cuadricóptero (en el apéndice):

• Comparación de Soluciones:
  • El MPC Jerárquico (P0) produce una trayectoria subóptima en comparación con el MPC centralizado.
  • El MPC Bi-nivel original (P1) es altamente sensible a la inicialización debido a su no convexidad; a menudo falla en encontrar la solución óptima o converge a soluciones locales.
  • La Reducción Propuesta (P2) reproduce consistentemente y de forma única la solución óptima del MPC centralizado, independientemente de la inicialización, demostrando robustez práctica.
• Efectividad del Bloqueo:
  • Se observa una mejora monótona en el rendimiento a medida que se relajan las restricciones de bloqueo (aumentando el número de bloques).
  • Las cotas de degradación ($\Delta$) calculadas a posteriori coinciden bien con la degradación real, siendo más ajustadas cuando se utilizan versiones más estrictas de la cota ($\Delta_\epsilon$).
  • Una matriz de bloqueo de rango bajo construida con el algoritmo propuesto supera al HMPC estándar en puntos de muestreo específicos.

5. Significado e Impacto

Este trabajo es significativo porque hace viable la implementación práctica de arquitecturas de control bi-nivel, que a menudo se evitan debido a su complejidad numérica y falta de garantías de convergencia.

• Seguridad y Verificabilidad: Al eliminar la no convexidad y garantizar la unicidad, facilita la verificación formal de sistemas de control crítico.
• Diseño Sistemático: Proporciona un marco matemático riguroso para navegar el compromiso (trade-off) entre la eficiencia computacional y el rendimiento, en lugar de depender de heurísticas ad-hoc.
• Generalidad: La metodología es aplicable a una amplia gama de sistemas lineales, incluyendo aquellos con integradores o matrices mal condicionadas, sin requerir la inversión de $(I-A)$.

En resumen, el artículo ofrece una "puerta de entrada" teórica y práctica para utilizar la optimización bi-nivel en control predictivo, transformando un problema difícil en uno tratable y garantizando propiedades de estabilidad y rendimiento.