희소 피드백 설계: ADMM을 활용한 최적 H₂ 제어

초록

본 논문은 분산 시스템의 H₂ 성능을 유지하면서 피드백 행렬을 희소하거나 블록‑희소하게 만드는 두 단계 방법을 제안한다. 첫 단계에서는 ′ℓ₁′, 가중 ′ℓ₁′, 로그합 등 희소성 촉진 펜alty 함수를 최적 제어 문제에 추가하고, 교대 방향 승법자(ADMM)를 이용해 희소 구조를 탐색한다. 두 번째 단계에서는 식별된 구조에 제한을 두고 H₂ 최적화를 수행한다. ADMM은 ′ℓ₁′‑펜alty의 분리성을 이용해 G‑업데이트를 스칼라 수준에서 해석적으로 풀고, F‑업데이트는 Anderson‑Moore 방법으로 미분 가능한 H₂ 비용을 최소화한다. 실험을 통해 제안 방법이 중앙집중형 제어와 비슷한 성능을 보이며, 원하는 통신 링크 수를 효과적으로 감소시킴을 확인한다.

상세 분석

이 논문은 대규모 분산 시스템에서 피드백 게인 행렬 F의 구조적 희소성을 설계 변수로 직접 다루는 새로운 프레임워크를 제시한다. 기존 H₂ 최적제어는 구조 제약이 없을 경우 중앙집중형 해를 제공하지만, 실제 네트워크에서는 통신 비용과 구현 복잡성 때문에 희소한 연결 구조가 요구된다. 저자들은 이를 해결하기 위해 (1) 비용 함수에 희소성 촉진 항 γ·g(F)를 추가하고, (2) ADMM을 통해 비용을 두 부분 J(F)와 γ·g(G)로 분리한다는 전략을 채택한다.

ADMM의 핵심은 변수 분할 F와 G를 도입해 제약 F‑G=0을 부과함으로써, J(F)는 미분 가능하고 복잡한 비선형 형태를 유지하면서도, g(G)는 원소별(또는 블록별) 분리 가능한 형태가 된다. G‑업데이트 단계에서는 φ(G)=γ·g(G)+(ρ/2)‖G−V‖₂² 를 최소화하는데, 여기서 V는 현재 F와 라그랑주 승수 Λ에 의해 정의된다. 가중 ℓ₁, 카드inality, 로그합 등 각각에 대해 폐쇄형 해가 존재한다. 가중 ℓ₁의 경우 소프트 쓰레숄딩 연산자를, 카드inality는 절단 연산자를, 로그합은 복합적인 임계값 연산을 통해 G를 업데이트한다. 블록 희소성도 동일한 원칙으로 Frobenius 노름을 사용해 확장한다.

F‑업데이트는 J(F)와 (ρ/2)‖F−U‖₂² 를 최소화하는 문제로, J(F)는 H₂ 제어 비용으로서 ∇J(F)=2(RF−B₂ᵀP)L 형태의 명시적 그라디언트를 가진다. 여기서 L, P는 각각 폐루프 시스템의 제어·관측 그라미안이며, Lyapunov 방정식으로 계산된다. 저자들은 Anderson‑Moore 방법을 적용해 매 반복마다 두 개의 Lyapunov 방정식과 하나의 Sylvester 방정식을 풀어 F를 갱신한다. 이는 순수 gradient 방법보다 빠른 수렴을 보이며, Newton 방법보다 구현이 간단하다.

알고리즘 흐름은 γ를 작은 값에서 시작해 점진적으로 증가시키는 continuation scheme을 따른다. γ가 증가함에 따라 G‑업데이트가 더 많은 원소를 0으로 강제하고, 따라서 F‑업데이트는 점점 더 희소한 구조를 탐색한다. 원하는 희소 수준에 도달하면, 최종 구조를 고정하고 제약된 H₂ 문제(SH2)를 Newton‑based 방법으로 풀어 최적의 구조화 피드백을 얻는다.

수렴성 측면에서 J(F)는 일반적으로 비볼록이며, exponential 함수의 비볼록성 때문에 전역 최적성을 보장하기 어렵다. 그러나 저자들은 실험적으로 ADMM이 충분히 좋은 로컬 최소점을 찾으며, 특히 초기화가 중앙집중형 해에서 시작될 때 안정적인 수렴을 관찰한다.

실험에서는 2‑연결 네트워크, 대형 전력 시스템 모델, 그리고 블록 구조를 가진 시스템 등에 적용해, 제안된 방법이 통신 링크 수를 70% 이상 감소시키면서 H₂ 성능 저하를 1~2% 수준으로 제한함을 보여준다. 이는 기존 SDP 기반 희소 제어 방법보다 계산량이 적고, 대규모 시스템에 직접 적용 가능함을 의미한다.

전반적으로 이 논문은 ADMM을 활용한 구조적 변수 분할, 희소성 촉진 펜alty의 분석적 해, 그리고 Anderson‑Moore 기반 F‑업데이트라는 세 가지 핵심 기술을 결합해, 실용적인 희소 H₂ 제어 설계 프레임워크를 제공한다.