322 artigos
Este artigo propõe a integração de Redes Neurais Lagrangianas (LNNs) no framework Dyna para Aprendizado por Reforço baseado em Modelo, demonstrando que o uso de otimizadores baseados em estimativa de estado acelera a convergência e melhora a precisão das previsões de dinâmica ao impor leis físicas subjacentes.
Este artigo apresenta evidências iniciais de que agentes generativos baseados em modelos de linguagem (LLM) podem superar a rigidez dos modelos matemáticos tradicionais ao simular decisões humanas em despacho e leilões de energia, demonstrando que a aprendizagem em contexto (ICL) permite tanto a transferência de comportamentos estratégicos quanto a reprodução de desvios comportamentais sistemáticos em testes de gerenciamento de baterias e leilões de acesso à rede.
Este artigo apresenta uma taxonomia relativa à tarefa para entradas de atuadores em sistemas não lineares feedback-linearizáveis, classificando-as como essenciais, redundantes ou de destreza, e demonstra como entradas de destreza permitem a negociação unificada entre tarefas completas e reduzidas sem transientes nas saídas compartilhadas, ilustrado em uma plataforma aérea.
Este artigo propõe o novo conceito de dissipatividade estrita com dois armazenamentos para o controle preditivo econômico, demonstrando que essa condição é necessária e suficiente para garantir a estabilidade assintótica, oferecendo uma relação mais direta com funções de valor e facilitando sua verificação em comparação com a dissipatividade estrita tradicional.
Este artigo propõe um método para estimar as taxas de falha em sistemas de tempo real estáticos e periódicos com prioridade Rate Monotonic, utilizando uma aproximação da distribuição de tempos de resposta por meio de uma mistura de distribuições Inverse Gaussian e um algoritmo Expectation-Maximization adaptado, cuja eficácia é validada por simulações extensivas.
Este artigo apresenta uma abordagem inovadora para a co-otimização do layout físico e do controle de sistemas de transporte aéreo cooperativo, visando maximizar a precisão e a robustez ao transportar cargas através da disposição ótima de drones e do projeto de controladores validados experimentalmente.
O artigo apresenta o DMaC, um algoritmo distribuído de tempo finito que garante a convergência exata para o consenso máximo em redes direcionadas com links de comunicação não confiáveis, incorporando um mecanismo de término totalmente distribuído e utilizando canais de feedback de erro livre de banda estreita para minimizar a sobrecarga.
Este artigo propõe um método inovador que utiliza Grandes Modelos de Linguagem (LLMs) para guiar a busca evolutiva de políticas de controle interpretáveis, representadas como programas em linguagens padrão como Python, permitindo a geração de comportamentos complexos em sistemas dinâmicos com maior transparência e facilidade de ajuste humano em comparação com redes neurais tradicionais.
Este artigo propõe uma nova estratégia de exploração direcionada para sistemas lineares invariantes no tempo com perturbações não estocásticas e limitadas em energia, utilizando um programa semidefinido para garantir uma precisão desejada na estimativa de parâmetros sem assumir distribuições específicas das perturbações.
Este artigo propõe o uso de controle supervisor modular de sistemas de eventos discretos para reduzir a complexidade computacional e aumentar a robustez na previsão e mitigação de falhas em cascata em sistemas de energia, validando a abordagem através de simulações em plataformas MATLAB com os sistemas IEEE de 30, 118 e 300 barras.
Este artigo propõe um framework determinístico baseado em difusão para o controle da densidade de probabilidade de sistemas não lineares, utilizando um processo reverso de "remoção de ruído" para sintetizar leis de feedback que guiam o sistema a uma distribuição alvo, com garantias teóricas para sistemas sem deriva e LTI.
Este artigo apresenta um solucionador otimizado de programação cônica de segunda ordem (SOCP) baseado em métodos de ponto interior, acompanhado de uma ferramenta de geração de código em C para aplicações de controle e orientação em tempo real, que supera os solucionadores existentes ao lidar diretamente com funções de custo quadráticas sem reformulação do problema e garantindo alocação estática completa em plataformas embarcadas.
Este artigo estabelece as condições teóricas para a universalidade de simuladores quânticos análogos com controle global, demonstra que pulsos aleatórios geram emaranhamento e aleatoriedade eficientes, e valida experimentalmente a síntese de interações efetivas complexas e dinâmicas topológicas em arrays de átomos de Rydberg através de um novo framework de controle quântico ótimo direto.
Este artigo apresenta um framework de controle baseado em eventos que utiliza um algoritmo de *rollout* com regularização esparsa para equilibrar desempenho e taxa de atuação, garantindo estabilidade e limites de desempenho teóricos em relação ao controle periódico.
Este trabalho apresenta uma estratégia de controle de formação distribuída para sistemas multiagente que utiliza apenas restrições de simetria rotacional e um mínimo de conexões para alcançar configurações simétricas planares e realizar manobras coordenadas de translação, rotação e escala.
Este artigo apresenta um método de agregação preditiva de flexibilidade que combina otimização multiparamétrica descentralizada com um esquema de controle centralizado para gerenciar sistemas de distribuição de baixa tensão em tempo real, preservando a privacidade e reduzindo a carga computacional online.
Este trabalho apresenta uma análise e síntese de algoritmos de otimização em tempo discreto que garantem convergência exponencial robusta frente a dinâmicas de rede comutadas, como atrasos variantes no tempo e canais instáveis, utilizando desigualdades matriciais lineares e coeficientes de filtros Zames-Falb.
Este artigo analisa equilíbrios de Nash generalizados dinâmicos sob uma perspectiva de teoria de sistemas, demonstrando a relação entre dissipatividade estrita e o fenômeno de turnpike, estabelecendo condições para a estabilidade do equilíbrio de estado estacionário e projetando penalidades terminais que garantem a convergência de trajetórias em jogos de horizonte finito.
Este artigo propõe um mecanismo de mercado local de energia que combina o Troca Combinatória de Relógio com aprendizado de máquina para simplificar a elicitação de preferências de prosumidores, permitindo que expressem necessidades complexas de forma intuitiva sem necessidade de previsão de preços, enquanto acelera a convergência para preços de liquidação.
Este artigo propõe uma abordagem segura, ótima e eficiente para o aprendizado de preferências em sistemas autônomos, utilizando Lógica Temporal de Sinais Ponderada (WSTL) com otimização de restrições para garantir segurança em domínios críticos, como navegação robótica e corridas de Fórmula 1.