基于强化学习的数据驱动最优镇定控制及仿真

• 作者: 冯远静 李永强 陆超伦
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: Q-学习 数据驱动 最优控制 吸引域
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 345-352
• 页数: 8页
• 分类号: TP273+.1
• 字数: 7661字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201904007

摘要

利用Q-学习算法,针对模型未知只有数据可用的非线性被控对象,解决最优镇定控制问题.由于状态空间和控制空间的连续性,Q-学习只能以近似的方式实现.因此,文中提出的近似Q-学习算法只能获得一个次优控制器.尽管求得的控制器只是次优,但是仿真研究表明,对于强非线性被控对象,相比线性二次型调节器和深度确定性梯度下降方法,文中方法的闭环吸引域更宽广,实际指标函数也更小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯远静	浙江工业大学信息工程学院	34	344	11.0	18.0
2	李永强	浙江工业大学信息工程学院	12	27	4.0	4.0
3	陆超伦	浙江工业大学信息工程学院	1	0	0.0	0.0