제약 조건 하에서 최적의 움직임을 찾는 문제를 최적 제어 문제라고합니다.자율주행과 전력계통의 안정화, 화학반응의 효율화 등 모든 대상을 능숙하게 움직이는 제어에 응용할 수 있다.특히 때때로 시시각각의 상황에 따라 최적 제어 문제를 실시간으로 풀면서 제어하는 ​​모델 예측 제어는 응용 범위가 넓은 방법으로 연구가 활발하다.그러나 복잡한 문제는 계산이 방대하고 시간이 걸리고 모델 예측 제어의 실현이 어려웠다.

　모델 예측 제어에서는, 유한 미래의 기간에 걸친 최적화를 각 시간에 실행할 필요가 있다.그러나 긴 미래의 움직임은 초기 상태에 민감하며 미래의 움직임의 전반적인 최적화는 어렵습니다.이번에 제안한 방법은 미래의 움직임을 여러 단편으로 분해하고 단편별 최적화를 병렬 계산에 의해 동시에 수행한다.그 때, 인접하는 단편의 영향을 적절하게 고려할 수 있도록 분해의 방법을 고안해, 전체의 최적화를 달성하면서 계산의 대폭적인 고속화에 성공했다.일반적으로, 단편의 수를 늘리면 계산 시간은 늘어나지만, 제안 수법의 경우는 복수의 단편을 동시에 최적화할 수 있기 때문에, 계산 시간의 증가율이 종래 수법의 4/1 미만이 되었다.

　이 연구 성과에 의해, 최근 발전하고 있는 멀티 코어 프로세서의 성능을 최대한 활용할 수 있어, 저렴한 프로세서를 복수 사용해 계산 효율의 향상도 가능하게 된다.모델 예측 제어의 구현 비용의 절감이 기대된다.또한, 자동 운전, 로봇 제어, 전력 네트워크 제어 등의 신분야에의 응용이 가능해진다.앞으로는 산업용 어플리케이션을 위한 소프트웨어 개발을 예정하고 있다고 한다.

논문 정보:【Automatica】A parallel Newton-type method for nonlinear model predictive control