差分动态规划与灵敏度矩阵方法（DDP, iLQR, HDDP and Sensitivity-Based Methods）

本文作者：天疆说

本站地址：https://cislunarspace.cn

定义

差分动态规划（Differential Dynamic Programming, DDP）和迭代线性二次型调节器（iterative LQR, iLQR）是一类轨迹优化算法：在一条标称轨迹 xˉ(t),uˉ(t)\bar{\boldsymbol{x}}(t), \bar{\boldsymbol{u}}(t) 附近对动力学和价值函数做 Taylor 展开，通过前向积分（forward pass）评估轨迹、后向扫描（backward sweep）逐级求解局部二次子问题，迭代修正控制序列 δu\delta\boldsymbol{u} 直至收敛。它们把 Bellman 动态规划从高维状态空间降为沿轨迹的一维递推，是直接配点法之外求解连续小推力最优控制问题的主流途径（Mayne 1966；Jacobson & Mayne 1970；Todorov & Li 2005）。

地月空间任务中的代表实现包括：HDDP（Hybrid DDP，Lantoine & Russell 2012；Aziz 等 2019）、AL-iLQR（Augmented Lagrangian iLQR，Cuevas del Valle 等 2022）、MDDP（多重打靶 DDP，Pellegrini & Russell）等。这些算法在 CR3BP 中求解 DRO ↔ DRO、Lyapunov ↔ Lyapunov、L1L_1 Halo ↔ L2L_2 Halo 之间的低推力转移。

算法结构：前向 + 后向

把轨迹离散为 MM 个阶段，每阶段状态转移 xk+1=f(xk,uk)\boldsymbol{x}_{k+1}=\boldsymbol{f}(\boldsymbol{x}_k,\boldsymbol{u}_k)，目标

J=∑k=0N−1L(xk,uk)+φ(xN)。J = \sum_{k=0}^{N-1} L(\boldsymbol{x}_k,\boldsymbol{u}_k) + \varphi(\boldsymbol{x}_N)。

前向积分：以当前控制猜测 uˉ\bar{\boldsymbol{u}} 数值积分动力学，得到 xˉk\bar{\boldsymbol{x}}_{k} 并累计代价。

后向扫描：从终端时刻倒向递推价值函数 VV 的 Taylor 系数。DDP 用到二阶（含 VxxV_{xx}），iLQR 只用一阶（用 Qxx\boldsymbol{Q}_{xx} 替代 VxxV_{xx}、忽略 VuxV_{ux} 的二阶贡献）。每级解出局部二次子问题

δuk∗=arg⁡min⁡δu[Ju,kTδu+12δuTJuu,kδu],\delta\boldsymbol{u}_k^* = \arg\min_{\delta\boldsymbol{u}}\big[J_{u,k}^T\delta\boldsymbol{u} + \tfrac{1}{2}\delta\boldsymbol{u}^T J_{uu,k}\delta\boldsymbol{u}\big],

得到 δuk=−Juu,k−1Ju,k+Kk δxk\delta\boldsymbol{u}_k = -J_{uu,k}^{-1}J_{u,k} + \boldsymbol{K}_k\,\delta\boldsymbol{x}_k（前一项是开环修正、后一项是时变反馈增益）。iLQR 与 DDP 的区别在于 Kk\boldsymbol{K}_k 的具体表达——iLQR 不计算 fxx\boldsymbol{f}_{xx} 等二阶动力学导数，工程实现更轻量。

收敛判据：可行性（约束残差 ∥ψ∥<εf\|\boldsymbol{\psi}\|<\varepsilon_f）+ 最优性（梯度范数 <εo<\varepsilon_o），通常 εf∼10−7\varepsilon_f\sim 10^{-7}、εo∼10−8\varepsilon_o\sim 10^{-8}（Aziz 等 2019）。

HDDP：增广拉格朗日 + 信赖域

标准 DDP 仅处理无约束、固定端点问题。HDDP（Lantoine & Russell）在终端约束 ψ(xN)=0\boldsymbol{\psi}(\boldsymbol{x}_N)=\boldsymbol{0} 上同时施加拉格朗日乘子项和二次罚函数项，构造增广拉格朗日

φ~=φ+λTψ+ψTΣψ，\tilde\varphi = \varphi + \boldsymbol{\lambda}^T\boldsymbol{\psi} + \boldsymbol{\psi}^T\boldsymbol{\Sigma}\boldsymbol{\psi}，

其中 Σ\boldsymbol{\Sigma} 为罚矩阵。乘子按 λ←λ+δλ\boldsymbol{\lambda}\leftarrow\boldsymbol{\lambda}+\delta\boldsymbol{\lambda} 在外层更新，Σ\boldsymbol{\Sigma} 保持常数（不同于传统做法不断加大罚系数），由设计者观察迭代进展手工调谐。

为防止子问题更新 δu\delta\boldsymbol{u} 步长过大导致发散，HDDP 在每级引入信赖域约束 ∥D δuk∥≤Δ\|\boldsymbol{D}\,\delta\boldsymbol{u}_k\|\le\Delta，子问题化为信赖域二次规划（TRQP）。D\boldsymbol{D} 是缩放矩阵，决定信赖域形状；当控制变量分量量级相差很大时（如推力幅值 vs 角度），需要非单位 D\boldsymbol{D}（Lantoine & Russell 2012 给出几种缩放策略）。

AL-iLQR：用一阶框架处理约束

AL-iLQR（Cuevas del Valle 等 2022）在 iLQR 一阶框架上嫁接增广拉格朗日外层，可处理等式与不等式约束，支持脉冲与连续推力混合任务。相比 HDDP 计算量更小，但收敛性略弱。

灵敏度工具：DDP/iLQR 的底座

DDP/iLQR 的后向扫描本质上是在传播目标函数对控制的灵敏度（gradient 与 Hessian）。多个相关概念在族内被单独收录，归并入本词条：

灵敏度矩阵（Sensitivity Matrix）。 状态对设计变量（初始条件、控制、参数）的偏导数矩阵。对 Lambert 问题等两点边值问题，输出 y\boldsymbol{y} 对输入 x\boldsymbol{x} 的高阶灵敏度矩阵可由 Conjugate Unscented Transform（CUT）等非乘积求积法在少数样本下数值估计（Hall & Singla 2020），用于不确定性传播、可达集计算，构成原问题的代理模型。

最小范数更新（Minimum-Norm Update）。 微分修正中，当目标状态分量数少于控制自由度时（欠定系统），用伪逆 δu=JT(JJT)−1δy\delta\boldsymbol{u}=\boldsymbol{J}^T(\boldsymbol{J}\boldsymbol{J}^T)^{-1}\delta\boldsymbol{y} 取 ∥δu∥\|\delta\boldsymbol{u}\| 最小的修正，等价于带 Q=0Q=0、R=IR=I 的瞬时 LQR 解。这是平动点轨道保持、机动定位中常用的低能耗修正策略（Shimane 等 2025）。

次梯度法（Subgradient Method）。 用于带约束优化中对偶变量（拉格朗日乘子）的更新，当对偶函数不可微时取其次梯度方向逐步收窄对偶间隙。它在 HDDP/AL-iLQR 中与增广拉格朗日交替使用，也用于序列凸优化、对偶分解。

代理模型（Surrogate Model）。 用低计算代价的多项式（如多项式混沌展开 PCE、APCE）、高斯过程或神经网络近似昂贵的高保真模型。Hall & Singla（2020）用 HOSM 的多项式系数代理 Lambert 求解器以快速计算不确定 Lambert 问题的输出 PDF；Duan 等（2025）用 APCE 代理 Lambert 求解器处理多圈不确定 Lambert 问题。

工程要点（CR3BP 小推力优化）

  • 球面控制变量 + 信赖域缩放。 Aziz 等（2019）把推力分解为幅值 TT 与方向角 α,β\alpha,\beta（见 控制参数化），并对信赖域做归一化：幅值按 Tmax⁡T_{\max} 归一、角度允许较大步长。当 r2\boldsymbol{r}_2 与速度共线导致 RSW 坐标退化时，切换为笛卡尔分量。
  • 多阶段化隔离 flyby。 单相 HDDP 在月球近距离飞越后会因敏感度爆炸而失败；用多阶段（每个飞越一段）把飞越效应局部化，是处理 CR3BP 转移的关键技巧。
  • 质量泄漏防止奇异。 滑行段 T=0T=0 时 m˙=0\dot m=0，对 TT 的偏导奇异，引入质量泄漏 ϵT\epsilon_T（在推力幅值范数中加小常数）解决。
  • 初值不可靠时与流形拼接。 HDDP 的全局搜索能力弱，工程上常用 不变流形 拼接或 形状基方法 给出初值。
  • 二阶 vs 一阶取舍。 DDP/HDDP 保留二阶动力学导数（更准、更贵、收敛域窄）；iLQR/AL-iLQR 只用一阶（更便宜、需更多迭代）。CR3BP 强非线性下 HDDP 通常更稳。

相关概念

参考文献

  • Mayne, D. Q., 1966, "A second-order gradient method for determining optimal trajectories of non-linear discrete-time systems"（DDP 奠基）。
  • Jacobson, D. H., Mayne, D. Q., 1970, Differential Dynamic Programming（DDP 的系统专著）。
  • Todorov, E., Li, W., 2005, "A generalized iterative LQG method for locally-optimal feedback control of constrained nonlinear stochastic systems"（iLQR 的现代形式）。
  • Lantoine, G., Russell, R. P., 2012, "A hybrid differential dynamic programming algorithm for constrained optimal control problems"（HDDP）。
  • Aziz, J. D., Scheeres, D. J., Lantoine, G., 2019, "Hybrid Differential Dynamic Programming in the Circular Restricted Three-Body Problem," JGCD, DOI: 10.2514/1.G003617（CR3BP 中 HDDP 的工程细节，多阶段化、信赖域缩放、球面控制变量）。
  • Pellegrini, E., Russell, R. P., 2017+，MDDP 多重打靶 DDP 系列。
  • Cuevas del Valle, A. A., et al., 2022, AL-iLQR 算法（增广拉格朗日 + iLQR 处理脉冲与连续推力）。
  • Hall, Z., Singla, P., 2020, "Higher-order sensitivity matrix method for probabilistic solution to uncertain Lambert problem and reachability set problem," Celest. Mech. Dyn. Astron.（HOSM、CUT、代理 Lambert 求解器）。
  • Duan, J., et al., 2025, "Adaptive polynomial chaos expansion method for uncertain multiple-revolution Lambert problem"（APCE 代理模型）。
  • Shimane, D., et al., 2025（最小范数更新在低能耗轨道修正中的应用）。
完善页面
最近更新:
Contributors: ouyangjiahong, Ou Yang Jiahong