کنترل مدل پیش بین چندعاملی در سیستم های مقیاس بزرگ

سیستم های مقیاس بزرگ، سیستم های دینامیکی پیچیده ای هستند که از به هم پیوستن چندین زیر سیستم، که با یکدیگر در ارتباط هستند، حاصل شده اند. معمولاً کنترل این دسته از سیستم ها، توسط یک عامل کنترلی، امکان پذیر نیست و به جای آن از ساختار کنترل غیر متمرکز (چند عامل کنترلی) استفاده می شود. از جمله روش های پیشرفته و پیشتاز در علم کنترل، کنترل مدل پیش بین است که از دهه 1970 معرفی گردید. این روش مبتنی بر بهینه سازی یک تابع هزینه تعریف شده برای مسئله کنترل و استفاده از اطلاعات گذشته و حال سیستم و همچنین اطلاعات آینده که از یک مدل پیش بین به دست آمده، است. یکی از مهم ترین برتری های این تکنیک کنترلی، بیان واضح قیود اعمال شده بر سیستم، در مسئله کنترل است. از جمله الگوریتم های کنترل مدل پیش بین چند عاملی، در شبکه ها و سیستم های مقیاس بزرگ، روشی است که به معرفی قیود اتصال برای متغیرهای مشترک میان زیرسیستم ها می پردازد. این الگوریتم در سیستم های خطی و محدب کاربرد دارد. بنابراین برای تعمیم این روش در سیستم های غیر محدب، در این پایان نامه الگوریتمی بر پایه ی الگوریتم pattern search که از روش های بهینه سازی در سیستم های غیر محدب و فاقد اطلاعات مشتق است، ارائه شده است. همچنین الگوریتم کنترل مدل پیش بین چند عاملی پیشنهادی، در سیستم های غیر محدب و فاقد اطلاعات مشتق، بر روی یک مطالعه موردی که یک سیستم آبی است، اعمال شده است. سیستم مطالعه موردی در کشور هلند، دلتای rhine-meuse است که در قالب یک فصل بیان شده و اطلاعات مدل و قیود وارد بر آن، با استفاده از چند مرجع و داده های سیستم با استفاده از سایتی که اندازه گیری های آنلاین سیستم در آن قرار دارد، به دست آمده است. نتایج این پایان نامه، با شبیه سازی مدل این سیستم و قیود وارد بر آن، درحالی که سه سیستم کنترل متفاوت به آن اعمال شده، در پایان بیان شده است. سیستم کنترل مدل پیش بین چند عاملی که در آن از الگوریتم پیشنهادی استفاده شده، با سیستم کنترل موجود دلتا و همچنین سیستم کنترل مدل پیش بین متمرکز مقایسه شده است و برتری آن در برخی ملاک های عملکردی معرفی شده، توضیح داده شده است.