基于強化學習的數據驅動優(yōu)化控制方法

目錄
“博士后文庫”序言
前言
符號說明
第1章 緒論 1
1.1 優(yōu)控制理論 1
1.1.1 離散時間動態(tài)系統(tǒng)的*優(yōu)控制 1
1.1.2 連續(xù)時間動態(tài)系統(tǒng)的*優(yōu)控制 2
1.2 強化學習與自適應動態(tài)規(guī)劃 3
1.2.1 自適應動態(tài)規(guī)劃理論基本原理 3
1.2.2 自適應動態(tài)規(guī)劃理論發(fā)展現狀 5
1.3 微分博弈理論 7
1.4 多智能體系統(tǒng)的協同控制 9
1.5 事件觸發(fā)機制 10
第2章 離散時間不確定線性系統(tǒng)的數據驅動魯棒控制設計方法 13
2.1 引言 13
2.2 問題描述 14
2.3 基于代數里卡蒂方程的魯棒控制器設計方法 16
2.4 同軌策略強化學習算法 21
2.4.1 基于模型的同軌策略強化學習 21
2.4.2 帶有探測噪聲的同軌策略強化學習 22
2.5 異軌策略強化學習 24
2.5.1 基于模型的異軌策略強化學習 24
2.5.2 帶有探測噪聲的異軌策略強化學習 26
2.5.3 無模型的異軌策略強化學習 27
2.6 仿真研究 29
2.7 小結 35
第3章 基于數據驅動的離散系統(tǒng)非零和博弈問題求解方法 37
3.1 引言 37
3.2 問題描述 38
3.2.1 非零和博弈問題 38
3.2.2 耦合代數里卡蒂方程 39
3.3 基于模型的自適應動態(tài)規(guī)劃 44
3.3.1 同軌策略強化學習算法 44
3.3.2 異軌策略強化學習算法 46
3.4 無模型自適應動態(tài)規(guī)劃 51
3.5 仿真研究 54
3.5.1 案例一：離線迭代強化學習算法 55
3.5.2 案例二：同軌策略強化學習算法 56
3.5.3 實例三：異軌策略強化學習算法 57
3.6 小結 61
第4章 連續(xù)時間動態(tài)系統(tǒng)非零和博弈問題的數據驅動積分型強化學習方法 62
4.1 引言 62
4.2 問題描述 63
4.2.1 帶衰減系數的非零和博弈的耦合代數里卡蒂方程 64
4.2.2 離線策略迭代算法 65
4.3 積分值迭代算法 66
4.3.1 積分值迭代算法 66
4.3.2 具有衰減系數的等價積分值迭代 69
4.4 理論分析 70
4.4.1 積分值迭代算法的正定性分析 70
4.4.2 積分值迭代算法的穩(wěn)定性分析 71
4.4.3 積分值迭代算法的收斂性分析 73
4.5 仿真研究 76
4.6 小結 80
第5章 基于Q 學習的數據驅動間歇反饋控制器設計方法 81
5.1 引言 81
5.2 問題描述 82
5.2.1 時間觸發(fā)*優(yōu)控制 82
5.2.2 間歇反饋控制 83
5.3 靜態(tài)間歇反饋設計 84
5.3.1 基于模型的靜態(tài)事件觸發(fā)控制 84
5.3.2 基于數據的靜態(tài)事件觸發(fā)控制 85
5.4 基于Q 學習的數據驅動間歇反饋控制 89
5.5 仿真研究 94
5.6 小結 95
第6章 一類異構多智能體系統(tǒng)的數據驅動模型參考分布式包含控制設計方法 96
6.1 引言 96
6.2 問題描述 98
6.3 分布式自適應觀測器設計 99
6.4 分布式*優(yōu)模型參考包含控制 105
6.4.1 問題描述 105
6.4.2 非齊次貝爾曼方程 105
6.4.3 非齊次代數里卡蒂方程和*優(yōu)性討論 107
6.4.4 非齊次代數里卡蒂方程的求解與穩(wěn)定性分析 108
6.5 完全分布式*優(yōu)模型參考自適應包含控制 109
6.6 基于強化學習的完全分布式自適應*優(yōu)包含控制設計 110
6.6.1 基于模型的強化學習設計方案 110
6.6.2 基于數據的強化學習設計方案 111
6.7 仿真研究 114
6.8 小結 118
第7章 數據驅動多智能體系統(tǒng)的事件觸發(fā)包含控制設計方法 119
7.1 引言 119
7.2 問題描述 120
7.3 時間觸發(fā)包含控制設計 121
7.4 事件觸發(fā)分布式包含控制設計 122
7.4.1 事件觸發(fā)方案設計 122
7.4.2 事件觸發(fā)機制的可行性分析 125
7.5 異軌策略強化學習 129
7.6 仿真研究 131
7.7 小結 133
參考文獻 134
編后記 153
彩圖