模型Learning-based Iterative Solver for Constrained Optimization
LISCO
学习型约束优化迭代求解器，通过预测原始-对偶步长来逐步逼近KKT最优性条件，采用自监督训练方式，无需预先计算的优化器解作为标签，适用于非线性模型预测控制问题的加速求解
时间轴 (近 90 天)
10月12日
LISCO（学习型约束优化迭代求解器）学习预测原始-对偶步长，逐步逼近满足KKT最优性条件的解，而非直接预测最终控制量
待验证50%
10月12日
LISCO采用自监督训练方式，以KKT条件的满足程度作为目标，无需预先计算的优化器解作为标签
待验证50%
10月12日
原始的LISCO采用密集的单体式网络架构，网络规模随预测时域增长而线性膨胀，难以扩展到长时域、大规模问题
待验证50%
10月12日
新架构的时序分解改造不改变训练损失函数，也不改变求解器的迭代逻辑，仅在架构层面实现
待验证50%
10月12日
新求解器能够处理比单体式LISCO更大规模的问题，证明时序分解解除了时域瓶颈
待验证50%
10月12日
当前验证仍停留在特定基准系统上，其在更高维度、更强非线性及真实硬件部署中的泛化能力有待后续研究检验
待验证50%
全部知识事实 (6)
待验证
LISCO（学习型约束优化迭代求解器）学习预测原始-对偶步长，逐步逼近满足KKT最优性条件的解，而非直接预测最终控制量
50%待验证LISCO采用自监督训练方式，以KKT条件的满足程度作为目标，无需预先计算的优化器解作为标签
50%待验证原始的LISCO采用密集的单体式网络架构，网络规模随预测时域增长而线性膨胀，难以扩展到长时域、大规模问题
50%待验证新架构的时序分解改造不改变训练损失函数，也不改变求解器的迭代逻辑，仅在架构层面实现
50%待验证新求解器能够处理比单体式LISCO更大规模的问题，证明时序分解解除了时域瓶颈
50%待验证当前验证仍停留在特定基准系统上，其在更高维度、更强非线性及真实硬件部署中的泛化能力有待后续研究检验
50%