Optimal Sensor Selection via Proximal Optimization Algorithms
Optimal Sensor Selection via Proximal Optimization Algorithms
复制标题
通过近端优化算法选择最佳传感器
DOI：
10.1109/cdc.2018.8619761
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
M. Jovanović
中科院分区：
文献类型：
--
作者：
A. Zare;M. Jovanović
我们考虑大规模动态系统中的最优传感器选择问题。为了解决该问题的组合方面，我们使用合适的凸替代复杂性。由此产生的非凸优化问题很好地适合稀疏促进框架的传感器的选择，以优雅地降低性能相对于最佳卡尔曼滤波器，使用所有可用的传感器。此外，一个标准的变量变化可以用来把这个问题作为一个半定规划（SDP）。对于大规模的问题，我们提出了一个定制的近端梯度方法，比标准的SDP求解器更好地扩展。虽然结构特点复杂的使用近端牛顿法，我们研究替代二阶扩展使用的向前向后拟牛顿法。
We consider the problem of optimal sensor selection in large-scale dynamical systems. To address the combinatorial aspect of this problem, we use a suitable convex surrogate for complexity. The resulting non-convex optimization problem fits nicely into a sparsity-promoting framework for the selection of sensors in order to gracefully degrade performance relative to the optimal Kalman filter that uses all available sensors. Furthermore, a standard change of variables can be used to cast this problem as a semidefinite program (SDP). For large-scale problems, we propose a customized proximal gradient method that scales better than standard SDP solvers. While structural features complicate the use of the proximal Newton method, we investigate alternative second-order extensions using the forward-backward quasi-Newton method.
影响因子：
5.8
作者：
Friedman, Jerome;Hastie, Trevor;Tibshirani, Rob
通讯作者：
Tibshirani, Rob