🔢 mathematics

Exact Solutions to a Class of Constrained Optimal Control Problems via Lossless Convexification for Digital Control

यह शोध पत्र एक संख्यात्मक रूप से व्यवहार्य तकनीक प्रस्तुत करता है जो रैखिक प्रणालियों के लिए बाधाओं वाले, गैर-उत्तल (nonconvex) निरंतर-समय इष्टतम नियंत्रण समस्याओं को हल करने के लिए लॉसलेस कॉनवेक्सिफिकेशन (lossless convexification) को पीसवाइज कांस्टेंट पैरामीट्राइजेशन (piecewise constant parametrization) के साथ जोड़ती है, जो एक अंतरिक्ष यान लैंडिंग परिदृश्य पर प्रदर्शित किए अनुसार, सटीक समाधान और बाधा संतुष्टि की गारंटी देती है।

मूल लेखक: Vaibhav Upadhyay, Siddhartha Ganguly, Debasish Chatterjee

प्रकाशित 2026-07-15

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Vaibhav Upadhyay, Siddhartha Ganguly, Debasish Chatterjee

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक अंतरिक्ष यान के कप्तान हैं जो एक धूल भरे, परग्रही ग्रह पर उतरने की कोशिश कर रहे हैं। आपके पास एक बहुत ही कठिन काम है: आपको एक विशिष्ट स्थान तक पहुँचने के लिए बिल्कुल सही मात्रा में ईंधन जलाना होगा, लेकिन आपके रॉकेट इंजन का एक अजीब नियम है। इसे पूरी तरह से बंद नहीं किया जा सकता (आपको एक न्यूनतम धक्का चाहिए), और न ही इसे बहुत तेज़ किया जा सकता है (एक अधिकतम धक्का)। यह एक "डोनट के आकार वाला" क्षेत्र बनाता है जिसमें अनुमत शक्ति है: आपको रिंग के भीतर होना चाहिए, कभी भी छेद में नहीं, और कभी भी किनारे के बाहर नहीं।

यही वह समस्या है जिसे लेखक हल करते हैं। वे "ऑप्टिमल कंट्रोल" नामक गणितीय समस्याओं के एक वर्ग से निपट रहे हैं, जो मूल रूप से एक मशीन के लिए एक आदर्श पथ खोजने के बारे में है। पेचीदा बात यह है कि "डोनट" वाला नियम गणित को जटिल और नॉन-कॉन्वेक्स (non-convex) बना देता है (एक ऐसे आकार के बारे में सोचें जिसमें छेद हो, जो एक गेंद को लुढ़काना कठिन बना देता है)।

बड़ी अवधारणा: डोनट को समतल करना
लेखक एक चतुर तकनीक का उपयोग करते हैं जिसे "लॉसलेस कॉनवेक्सिफिकेशन" (lossless convexification) कहा जाता है। कल्पना कीजिए कि आपके पास वह डोनट के आकार का नियम है। उस डोनट के अंदर फंसे रहने के बजाय, वे एक नया, काल्पनिक चर (एक "स्लैक वेरिएबल") आविष्कार करते हैं जो एक लचीले रूलर की तरह काम करता है। यह रूलर डोनट को कवर करने के लिए फैलता है, जिससे वह जटिल, छेद वाला आकार एक चिकने, ठोस टीले में बदल जाता है।

यहाँ जादू है: लेखक सिद्ध करते हैं कि यदि आप इस नए, चिकने टीले पर एक आदर्श पथ पाते हैं, तो यह मूल, जटिल डोनट पर मिलने वाले आदर्श पथ के बिल्कुल समान है। कोई जानकारी खोई नहीं है। यह एक मुड़े हुए मानचित्र को सबसे छोटा रास्ता खोजने के लिए समतल करने जैसा है, और फिर उसे वापस मोड़ने जैसा है ताकि वास्तविक दिशा मिल सके।

डिजिटल मोड़: "पिक्सेलेटेड" पायलट
एक बार जब उनके पास वह चिकना टीला आ जाता है, तो उन्हें इसे कंप्यूटर पर हल करने की आवश्यकता होती है। कंप्यूटर "निरंतर समय" (समय के हर छोटे हिस्से) की भाषा नहीं समझते; वे "चरणों" (steps) की भाषा समझते हैं। वे लैंडिंग के समय (मान लीजिए 22 सेकंड) को ऐसे टुकड़ों में तोड़ देते हैं जहाँ थ्रस्ट (धक्का) स्थिर रहता है।

लेकिन यहाँ अधिकांश अन्य तरीके विफल हो जाते हैं। यदि आप केवल प्रत्येक समय के टुकड़े के शुरुआत में यह जाँचते हैं कि रॉकेट सुरक्षित है या नहीं, तो आप टुकड़े के बीच में होने वाली आपदा को मिस कर सकते हैं। कल्पना कीजिए कि आप केवल खंभों पर यह जाँचते हैं कि एक पुल सुरक्षित है या नहीं, लेकिन बीच के हिस्से को अनदेखा कर देते हैं। लेखक तर्क देते हैं कि अंतरिक्ष यान को उतारने जैसी सुरक्षा-महत्वपूर्ण चीजों के लिए, यह खतरनाक है।

"सटीक" समाधान
लेखकों की विधि विशेष है क्योंकि यह केवल "खंभों" की जाँच नहीं करती है। उन्होंने एक नया तरीका विकसित किया है जो यह गारंटी देता है कि रॉकट हर एक क्षण में सुरक्षित है, भले ही कंप्यूटर केवल कुछ बिंदुओं की गणना करता हो।

वे इस समस्या को "सबसे बुरे क्षण को खोजने" के खेल की तरह देखते हैं। वे कंप्यूटर से पूछते हैं: "यदि हम जाँचने के लिए विशिष्ट क्षणों का एक सेट चुनते हैं, तो क्या हम एक ऐसा पथ ढूंढ सकते हैं जो नियमों को तोड़ दे?" वे फिर एक वैश्विक खोज (एक बहुत ही गहन अन्वेषक की तरह) का उपयोग करके जाँचने के लिए सबसे बुरे क्षणों के सेट को ढूंढते हैं। यदि पथ इस "वर्स्ट-केस" परीक्षण में जीवित रहता है, तो लेखक गणितीय रूप से सिद्ध करते हैं कि पथ पूरे उड़ान के दौरान, हर मिलीसेकंड में सुरक्षित है।

उन्होंने क्या पाया (और क्या नहीं)
अपने सिमुलेशन में, उन्होंने इसे तीन डिग्री ऑफ फ्रीडम (ऊपर/नीचे, दाएं/बाएं और आगे/पीछे की गति) वाले अंतरिक्ष यान लैंडिंग समस्या पर परखा।

परिणाम: उन्होंने सफलतापूर्वक ऐसे पथ खोजे जो ऊर्जा (एक स्मूथ कर्व कॉस्ट) और ईंधन (एक "L1-norm" कॉस्ट, जो ईंधन की कुल गिरावट को गिनने जैसा है) दोनों को कम करते हैं।
प्रमाण: उन्होंने दिखाया कि उनकी विधि उस समस्या को पकड़ सकती है जिसे अन्य विधियाँ छोड़ देती हैं। एक परीक्षण में, एक मानक विधि ने कहा कि लैंडिंग संभव है क्योंकि उसने केवल 100 विशिष्ट बिंदुओं की जाँच की थी। लेखकों की विधि ने एक विशिष्ट समय (लगभग 17.34 सेकंड के आसपास) खोज निकाला जहाँ नियम टूट रहे थे, जिससे यह सिद्ध हुआ कि लैंडिंग वास्तव में असंभव थी।
कीमत: यह गहनता एक कीमत के साथ आती है। उनकी विधि को कंप्यूटर पर चलाने में अधिक समय लगता है। उनके परीक्षणों में, उनकी सर्वश्रेष्ठ विधि ने एक समस्या को हल करने में लगभग 86 सेकंड लिए, जबकि एक तेज़, कम गहन विधि ने केवल 1 सेकंड लिया। हालांकि, तेज़ विधि ने थोड़ा गलत उत्तर (उच्च लागत) दिया, और अल्ट्रा-फास्ट विधि क्रैश हो गई जब उन्होंने इसे अधिक सटीक बनाने की कोशिश की।

वे क्या खारिज करते हैं
लेखक स्पष्ट हैं कि उनकी विधि किस लिए नहीं है। वे स्पष्ट रूप से कहते हैं कि चूंकि उनकी विधि कम्प्यूटेशनल रूप से भारी है (उस "वर्स्ट-केस" क्षण को खोजने में समय लगता है), इसलिए यह "ऑनलाइन" उपयोग के लिए उपयुक्त नहीं है। इसका मतलब है कि आप इस सटीक एल्गोरिदम का उपयोग हवा के झोंकों के प्रति प्रतिक्रिया देते हुए, हर मिलीसेकंड में एक ड्रोन को वास्तविक समय में नियंत्रित करने के लिए नहीं कर सकते। इसके बजाय, वे इसे "ऑफलाइन" योजना के उपकरण के रूप में रखते हैं: मिशन शुरू होने से पहले एक शक्तिशाली कंप्यूटर पर एक पूर्ण, प्रमाणित-सुरक्षित पथ की गणना करना, जिसे फिर अंतरिक्ष यान में अपलोड किया जाता है।

वे कितने आश्वस्त हैं?
लेखक अपने गणितीय प्रमाणों को लेकर अत्यधिक आश्वस्त हैं। वे केवल यह "सुझाव" नहीं देते कि उनकी विधि काम करती है; वे प्रमेय (theorems) प्रदान करते हैं जो सिद्ध करते हैं कि उनका समाधान सटीक है।

उन्होंने सिद्ध किया कि उनका "रिलैक्स्ड" (relaxed) समस्या (चिकना टीला) मूल समस्या के समान ही उत्तर देता है।
उन्होंने सिद्ध किया कि यदि वे विशिष्ट, परिमित "वर्स्ट-केस" समय बिंदुओं को संतुष्ट करने वाला एक समाधान पाते हैं, तो वह बीच के अनंत समय बिंदुओं को भी संतुष्ट करता है।
उनके परिणाम एक मानक कंप्यूटर पर संख्यात्मक सिमुलेशन द्वारा समर्थित हैं (22 सेकंड की लैंडिंग समय और 100 या 200 स्टेप्स जैसे विशिष्ट ग्रिड साइज का उपयोग करके)। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने गणनाएँ चलाईं और दिखाया कि उनके "स्लैक" वेरिएबल और वास्तविक थ्रस्ट के बीच की त्रुटि बहुत कम (लगभग $10^{-8}$ ) थी, जो व्यावहारिक उद्देश्यों के लिए शून्य के बराबर है।

संक्षेप में, लेखकों ने एक गणितीय "प्रमाणन" उपकरण बनाया है। यह मानक उपकरणों की तुलना में धीमा है, लेकिन यह गारंटी देता है कि यदि आप उस पथ का अनुसरण करते हैं जो वे देते हैं, तो आप चेक-पॉइंट्स के बीच गलती से दुर्घटनाग्रस्त नहीं होंगे। यह उस मानचित्र के बीच का अंतर है जो कहता है "निकासों पर रास्ता साफ दिखता है" और उस मानचित्र के बीच का अंतर है जो गारंटी देता है कि "यात्रा के हर इंच के लिए रास्ता साफ है।"

तकनीकी सारांश: डिजिटल नियंत्रण के लिए लॉसलेस कॉनवेक्सीफिकेशन (Lossless Convexification) के माध्यम से एक वर्ग के बाधित अनुकूलतम नियंत्रण समस्याओं (Constrained Optimal Control Problems) के सटीक समाधान

1. समस्या का निरूपण (Problem Formulation)
यह कार्य एनुलर (annular - गैर-उत्तल/nonconvex) नियंत्रण परिमाण बाधाओं (control magnitude constraints) के अधीन रैखिक समय-अपरिवर्तनीय प्रणालियों (linear time-invariant systems) के लिए एक वर्ग के परिमित-क्षितिज अनुकूलतम नियंत्रण समस्याओं (finite-horizon optimal control problems - OCPs) को संबोधित करता है। विशेष रूप से, नियंत्रण इनपुट $u(t)$ को इस प्रकार बाधित किया गया है कि उसका परिमाण एक गैर-शून्य निम्न और उच्च सीमा के भीतर रहता है ( $\rho_1 \leq \kappa(u(t)) \leq \rho_2$ ); यह एक ऐसी स्थिति है जो एयरोस्पेस अनुप्रयोगों जैसे कि 'पावर्ड लैंडिंग' में सामान्य है जहाँ इंजन एक निश्चित थ्रस्ट स्तर से नीचे संचालित नहीं हो सकते।

पहचाने गए मुख्य चुनौतियाँ हैं:

गैर-उत्तलता (Nonconvexity): मानक प्रत्यक्ष संख्यात्मक विधियाँ (जैसे, डायरेक्ट कोलोकेशन) जो समस्या को नॉनलीन प्रोग्रामिंग (NLP) में विविक्त (discretize) करती हैं, एनुलर बाधाओं की गैर-उत्तल प्रकृति को बनाए रखती हैं, जिससे बार-बार व्यवहार्यता (feasibility) और अभिसरण (convergence) संबंधी समस्याएँ उत्पन्न होती हैं।
सतत-समय बाधा संतुष्टि (Continuous-Time Constraint Satisfaction): मौजूदा विधियाँ आमतौर पर केवल विविक्त ग्रिड बिंदुओं पर ही बाधाओं को लागू करती हैं। यह पूरे सतत समय अंतराल पर बाधाओं की संतुष्टि सुनिश्चित करने में विफल रहती है, जो सुरक्षा-महत्वपूर्ण अनुप्रयोगों में हानिकारक हो सकता है क्योंकि इससे "इंटर-सैंपल" (inter-sample) सुरक्षा उल्लंघन की संभावना बनी रहती है।

2. कार्यप्रणाली (Methodology)
प्रस्तावित दृष्टिकोण सटीक समाधान प्राप्त करने के लिए लॉसलेस कॉनवेक्सीफिकेशन (lossless convexification) को पीसवाइज कांस्टेंट पैरामीट्राइजेशन (piecewise constant parametrization) और कॉनवेक्स सेमी-इनफिनिट प्रोग्रामिंग (CSIP) सिद्धांत के साथ एकीकृत करता है।

लॉसलेस कॉनवेक्सीफिकेशन (Lossless Convexification): गैर-उत्तल OCP को एक स्लैक वेरिएबल $s(t)$ पेश करके एक समतुल्य उत्तल (convex) OCP में परिवर्तित किया जाता है। एनुलर बाधा $\rho_1 \leq \kappa(u(t)) \leq \rho_2$ को $\kappa(u(t)) \leq s(t)$ के साथ $\rho_1 \leq s(t) \leq \rho_2$ में शिथिल (relax) किया जाता है। विशिष्ट नियंत्रणीयता धारणाओं (Assumption 1) के तहत, यह सिद्ध किया गया है कि इस कॉनवेक्सिफाइड समस्या का इष्टतम समाधान मूल गैर-उत्तल समस्या के समान ही होता है।
पीसवाइज कांस्टेंट पैरामीट्राइजेशन (Piecewise Constant Parametrization): अनंत-आयामी समस्या को गणनात्मक रूप से सुलभ बनाने के लिए, नियंत्रण $u(t)$ और स्लैक $s(t)$ प्रक्षेपवक्रों (trajectories) को एक समान ग्रिड पर पीसवाइज कांस्टेंट फलनों का उपयोग करके पैरामीटराइज किया गया है। यह डिजिटल नियंत्रण कार्यान्वयन के साथ स्वाभाविक रूप से मेल खाता है और निर्णय स्थान (decision space) को गुणांकों के एक परिमित-आयामी वेक्टर में कम कर देता है।
कॉनवेक्स सेमी-इनफिनिट प्रोग्रामिंग (CSIP): हालांकि नियंत्रण को परिमित रूप से पैरामीटराइज किया गया है, फिर भी बाधाओं को प्रत्येक उप-अंतराल (subinterval) के भीतर समय के एक अनगिनत परिवार के लिए संतुष्ट होना चाहिए। समस्या को एक CSIP के रूप में तैयार किया गया है।
ग्लोबल ऑप्टिमाइजेशन के माध्यम से सटीक संख्यात्मक समाधान: यह कार्य स्थापित करता है कि CSIP के इष्टतम मान को समय के एक परिमित टुपल (tuple) पर अधिकतमकरण समस्या को हल करके सटीक रूप से प्राप्त किया जा सकता है।
- माना कि $G(\mathcal{T}; x)$ एक शिथिल (relaxed) कॉनवेक्स प्रोग्राम का इष्टतम मान है जहाँ पथ बाधाओं को केवल समय के एक परिमित टुपल $\mathcal{T}$ पर लागू किया गया है।
- मुख्य सैद्धांतिक परिणाम (Theorem 8) सिद्ध करता है कि मूल CSIP का सटीक इष्टतम मान सभी संभावित टुपल्स $\mathcal{T}$ पर $G(\mathcal{T}; x)$ को अधिकतम करके प्राप्त किया जाता है।
- Theorem 11 आगे यह प्रदर्शित करता है कि मूल समस्या के ऑप्टिमाइज़र को उन अनुक्रमिक नियमितकृत (regularized) समस्याओं को हल करके प्राप्त किया जा सकता है जहाँ रेगुलराइजेशन पैरामीटर $\varepsilon \to 0$ होता है।
एल्गोरिद्मिक आर्किटेक्चर (GlbOpt): बाहरी अधिकतमकरण समस्या को ग्लोबल ऑप्टिमाइजेशन ओरेकल (जैसे, डिफरेंशियल इवोल्यूशन, सिम्युलेटेड एनीलिंग) का उपयोग करके और आंतरिक न्यूनीकरण (minimization) को मानक कॉनवेक्स सॉल्वर (जैसे, IPOPT) का उपयोग करके हल करने के लिए एक मॉड्यूलर फ्रेमवर्क प्रस्तावित किया गया है।

3. प्रमुख योगदान (Key Contributions)

सटीकता गारंटी (Exactness Guarantee): यह शोध पत्र, लेखकों के ज्ञान तक, इस वर्ग के गैर-उत्तल OCPs के सटीक समाधानों को सुनिश्चित करते हुए और केवल विविक्त नोड्स के बजाय पूरे सतत समय क्षितिज पर बाधाओं की संतुष्टि सुनिश्चित करते हुए, पहला संख्यात्मक ढांचा प्रदान करता है।
अव्यवहार्यता का पता लगाना (Infeasibility Detection): मानक विविक्तकरण विधियों के विपरीत (जो विविक्त नोड्स पर बाधाओं को लागू करते हुए भी व्यवहार्य समाधान रिपोर्ट कर सकती हैं यदि कोई इंटर-सैंपल उल्लंघन हो), प्रस्तावित विधि विशिष्ट समय क्षणों की पहचान करके अव्यवहार्यता को कठोरता से पहचानने में सक्षम है जहाँ बाधाओं का उल्लंघन होता है।
डिजिटल कार्यान्वयन अनुकूलता (Digital Implementation Compatibility): पीसवाइज कांस्टेंट पैरामीट्राइजेशन का उपयोग यह सुनिश्चित करता है कि समाधान की संरचना स्वाभाविक रूप से फिक्स्ड-प्रिसिजन डिजिटल हार्डवेयर के अनुकूल है।
सैद्धांतिक कठोरता (Theoretical Rigor): यह कार्य वैल्यू फंक्शन मैपिंग के निरंतरता गुणों को स्थापित करता है और नियमितकृत समाधानों के वास्तविक ऑप्टिमाइज़र की ओर अभिसरण को सिद्ध करता है।

4. संख्यात्मक परिणाम और प्रयोग (Numerical Results and Experiments)
कार्यप्रणाली को ऊर्जा-इष्टतम ( $L_2$ cost) और ईंधन-इष्टतम ( $L_1$ cost) उद्देश्यों वाले तीन-डिग्री-ऑफ-फ्रीडम (3-DOF) प्लैनेटरी लैंडिंग समस्या पर सत्यापित किया गया था।

बाधा संतुष्टि (Constraint Satisfaction): सभी परीक्षण किए गए मामलों में, नियंत्रण का नॉर्म निर्धारित एनुलर बाउंड्स के भीतर ही रहा और स्लैक वेरिएबल और कंट्रोल नॉर्म के बीच का अंतर नगण्य ( $\sim 10^{-8}$ से $10^{-10}$ ) था, जो लॉसलेस कॉनवेक्सीफिकेशन की प्रकृति की पुष्टि करता है।
अव्यवहार्यता का मामला (Infeasibility Case): एक विशिष्ट विक्षोभ (disturbance) परिदृश्य बनाया गया जहाँ मानक विविक्तकरण विधियों ने (ग्रिड बिंदुओं पर बाधाओं को लागू करते हुए) गलत तरीके से व्यवहार्यता रिपोर्ट की। प्रस्तावित विधि ने उन अंतरालों के भीतर समय क्षणों को खोजकर अव्यहार्यता को सफलतापूर्वक पहचाना जहाँ बाधाओं का उल्लंघन हुआ था।
तुलनात्मक प्रदर्शन (Comparative Performance):
- डायरेक्ट ट्रांसक्रिप्शन विधियों (QuITO) और डिस्क्रीट-टाइम लॉसलेस कॉनवेक्सीफिकेशन (DLCvx) की तुलना में, प्रस्तावित GlbOpt फ्रेमवर्क ने कम (बेहतर) इष्टतम लागत प्राप्त की, जो इंगित करता है कि प्रतिस्पर्धी विधियाँ विविक्तकरण त्रुटियों (discretization errors) से ग्रस्त थीं।
- जबकि ग्लोबल ऑप्टिमाइजेशन वेरिएंट (डिफरेंशियल इवोल्यूशन, सिम्युलेटेड एनीलिंग) ग्रेडिएंट-आधारित विधियों की तुलना में गणनात्मक रूप से धीमे थे, GlbOpt के ग्रेडिएंट-आधारित वेरिएंट (gradOL) ने DLCvx और QuITO के समान गति प्राप्त की, जबकि सतत-समय बाधा संतुष्टि की सैद्धांतिक गारंटी भी बनाए रखी।
- जैसे-जैसे प्रतिस्पर्धी विधियों के लिए ग्रिड रिज़ॉल्यूशन बढ़ाया गया, उनकी लागत GlbOpt के परिणामों के करीब पहुँच गई, लेकिन इसके बदले में गणनात्मक समय और समस्या के आयाम में उल्लेखनीय वृद्धि हुई।

5. महत्व और सीमाएँ (Significance and Limitations)
यह शोध पत्र इस कार्य को एयरोस्पेस गाइडेंस में ऑफलाइन प्रक्षेपवक्र निर्माण (offline trajectory generation) और प्रमाणन (certification) के लिए एक महत्वपूर्ण प्रगति के रूप में प्रस्तुत करता है, जहाँ समाधान की सटीकता और सतत-समय सुरक्षा गारंटी सर्वोपरि है।

सीमाएँ (Limitations): लेखक स्पष्ट रूप से नोट करते हैं कि ग्लोबल ऑप्टिमाइजेशन लेयर की गणनात्मक लागत वर्तमान ढांचे को ऑनलाइन मॉडल प्रेडिक्टिव कंट्रोल (MPC) के लिए अनुपयुक्त बनाती है। यह विधि ऑफलाइन संश्लेषण के लिए डिज़ाइन की गई है जहाँ यह सुनिश्चित करने के लिए पर्याप्त कंप्यूटेशनल संसाधनों का आवंटन किया जा सकता है कि समाधान प्रमाणित व्यवहार्य है।
क्षेत्र (Scope): योगदान सख्ती से एनुलर बाधाओं और पीसवाइज कांस्टेंट कंट्रोल पैरामीट्राइजेशन वाले रैखिक प्रणालियों तक सीमित हैं। "सटीकता" का दावा परिमित रूप से पैरामीटराइज्ड CSIP के इष्टतम मान और ऑप्टिमाइज़र की रिकवरी को संदर्भित करता है, न कि बिना किसी पैरामीट्राइजेशन त्रुटि के अनंत-आयामी सतत-समय अनुकूलन को (हालांकि पेपर नोट करता है कि पीसवाइज कांस्टेंट फलन $L_1$ में सघन/dense हैं)।

संक्षेप में, यह कार्य लॉसलेस कॉनवेक्सीफिकेशन के सैद्धांतिक लाभों और डिजिटल नियंत्रण की व्यावहारिक आवश्यकताओं के बीच के अंतर को पाटता है, जो सतत-समय सुरक्षा गारंटी के साथ गैर-उत्तल अनुकूलतम नियंत्रण समस्याओं को हल करने के लिए एक संख्यात्मक रूप से व्यवहार्य, सटीक तरीका प्रदान करता है।

इसी तरह के और पेपर