Publication

On the Use of Second-Order Modifiers for Real-Time Optimization

Dominique Bonvin, Timm Faulwasser
2014
Conference Papers

Résumé

We consider the real-time optimization of static plants and propose a generalized version of the modifier-adaptation strategy that relies on second-order adaptation of the cost and constraint functions. We show that second-order adaptation allows checking whether a (local) plant optimum is reached upon convergence. A sufficient convergence condition that is applicable to first- and second-order modifier-adaptation schemes is proposed. We also discuss how second-order updates can lead to SQP-like model-free RTO schemes. The approach is illustrated via the simulated example of a continuous reactor.

Source officielle

https://infoscience.epfl.ch/entities/publication/5ff98b0c-c962-46b0-8a75-7c821cb7593c

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

On the Use of Second-Order Modifiers for Real-Time Optimization

Chattez avec Graph Search

Optimizing fairness and utility in healthcare machine learning models

On speeding-up modifier-adaptation schemes for real-time optimization

Scalable constrained optimization