\begin{document}

این روش کنترلی هم چالش های مخصوص به خودش را خواهد داشت یعنی اینکه نمی توانیم ادعا کنیم که این روش را می توانیم به هر فرآیندی اعمال کنیم .\\
\begin{itemize}
\item برای فرآیند هایی که دارای بهره حالت ماندگار  با تغییرات  زیاد هستن در این حالت همگرایی مشگل هست . الگوریتم های بهینه ایی که وجود دارند به علت تغییر بهره ی حالت ماندگار  ورودی به خروجی با تغییرات زیاد همگرایی آن ها به شکل مناسبی اتفاق نمی افتد و عملکرد کنترلی تحت تاثیر واقع می شود .معمولاً برای اینکه همگرایی اتفاق بیافتد  $\gamma$که همان مجازات سیگنال کنترلی هست را بزرگ در نظر می گیرند که سیگنال کنترلی بتواند به آرامی تغییر کند . وقتی $\gamma$  را بزرگ می گیریم به معنی این است  که سیسگنال کنترلی تغییرات زیادی نداشته باشد . این تغییرات کنترلی آرام باعث می شود  که الگوریتم  همگرایی $D_{nl}$ بتواند بهتر همگرا شود به مقدار مورد نظرش  چون تغییرات  کند هست  ولی این باعث می شود عملکرد کنترلی تحت تاثیر واقع بشود . 
\itemمسئله تغییر علامت در بهره ی حالت ماندگار ، در واقع اگر بهره ی ورودی به خروجی علامتش از مثبت به منفی یا بالعکس تغییر کند این الگوریتم بهینه سازی به هیچ وجه همگرا نمی شود پس نمی توانیم این الگوریتم را برای چنین فرآیند هایی پیاده سازی کنیم . 
\itemاگر در افق پیش بینی سیگنال   SetPoint یا مرجع تغییر کند این الگوریتم کنترلی همگرایی اش دچار مشکل می شود پس بهتر است سیگنال مرجع در طول افق پیش بینی ثابت باقی بماند .

\end{itemize}
\end{document}