Despite being very simple to design

Despite being very simple to design and implement, MPC algorithms can con-
trol large scale systems with many control variables, and, most importantly,
MPC provides a systematic method of dealing with constraints on inputs and
states. Such constraints are present in all control engineering applications
and represent limitations on actuators and plant states arising from physical,
economic, or safety constraints. In MPC these constraints are accounted for
explicitly by solving a constrained optimization problem in real-time to deter-
mine the optimal predicted inputs. Nonlinear plant dynamics can be similarly
incorporated in the prediction model.

ผลลัพธ์ (ไทย) 1:

แม้จะง่ายมากในการออกแบบ และใช้ อัลกอริทึม MPC สามารถบรรลุรูประบบขนาดใหญ่ที่ มีตัวแปรจำนวนมากในการควบคุม และ ที่สำคัญที่สุด คือMPC ให้ระบบวิธีการจัดการกับข้อจำกัดในปัจจัยการผลิต และอเมริกา ข้อจำกัดดังกล่าวมีอยู่ในงานวิศวกรรมควบคุมทั้งหมดและแสดงถึงข้อจำกัดบน actuators และโรงงานที่อเมริกาเกิดจากกายภาพเศรษฐกิจ หรือข้อจำกัดด้านความปลอดภัย ใน MPC ข้อจำกัดเหล่านี้จะคิดอย่างชัดเจน โดยการแก้ปัญหามีข้อจำกัดในการเพิ่มประสิทธิภาพในการยับยั้ง-ฉันคาดการณ์อินพุตที่เหมาะสม แปลงพืชเชิงเส้นอาจจะในทำนองเดียวกันรวมอยู่ในแบบจำลองการคาดการณ์

ผลลัพธ์ (ไทย) 2:

แม้จะเป็นความง่ายในการออกแบบและใช้อัลกอริทึมคณะกรรมการนโยบายการเงินสามารถอย่างต่อ
trol ระบบขนาดใหญ่ที่มีตัวแปรในการควบคุมจำนวนมากและที่สำคัญที่สุดคือ
คณะกรรมการนโยบายการเงินมีวิธีการที่เป็นระบบของการจัดการกับข้อ จำกัด ในปัจจัยการผลิตและ
สหรัฐอเมริกา ข้อ จำกัด ดังกล่าวที่มีอยู่ในการใช้งานด้านวิศวกรรมการควบคุม
และเป็นตัวแทนของข้อ จำกัด ในการกระตุ้นและรัฐพืชที่เกิดจากทางกายภาพ
ทางเศรษฐกิจหรือข้อ จำกัด ด้านความปลอดภัย คณะกรรมการนโยบายการเงินในข้อ จำกัด เหล่านี้จะคิด
อย่างชัดเจนโดยการแก้ปัญหาในการ จำกัด การเพิ่มประสิทธิภาพในเวลาจริงเพื่อยับยั้ง
เหมืองที่ดีที่สุดที่คาดการณ์ปัจจัยการผลิต การเปลี่ยนแปลงของพืชไม่เชิงเส้นสามารถในทำนองเดียวกัน
การจัดตั้งในรูปแบบการทำนาย