مهندسی

کنترل تطبیقی ​​بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی

Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles

دانلود کتاب Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles (به فارسی: کنترل تطبیقی ​​بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی) نوشته شده توسط «Draguna Vrabie – Kyriakos G. Vamvoudakis – Frank. L Lewis»

اطلاعات کتاب کنترل تطبیقی ​​بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی

موضوع اصلی: مهندسی

نوع: کتاب الکترونیکی

ناشر: The Institution of Engineering and Technology

نویسنده: Draguna Vrabie – Kyriakos G. Vamvoudakis – Frank. L Lewis

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2013

تعداد صفحه: 306

حجم فایل: 20.63 مگابایت

کد کتاب: 1849194890 , 9781849194891

توضیحات کتاب کنترل تطبیقی ​​بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی

کنترل کننده های تطبیقی ​​و کنترل کننده های بهینه دو روش متمایز برای طراحی سیستم های کنترل اتوماتیک هستند. کنترل‌کننده‌های تطبیقی ​​به‌صورت آنلاین به‌صورت آنلاین یاد می‌گیرند که چگونه سیستم‌ها را کنترل کنند، اما عملکرد مطلوبی ندارند، در حالی که کنترل‌کننده‌های بهینه باید به‌صورت آفلاین و با استفاده از دانش کامل از دینامیک سیستم‌ها طراحی شوند. این کتاب نشان می‌دهد که چگونه می‌توان از برنامه‌نویسی پویا تقریبی – یک تکنیک یادگیری ماشینی تقویتی که با مکانیزم‌های یادگیری در سیستم‌های بیولوژیکی و جانوری ایجاد می‌شود – برای طراحی خانواده‌ای از الگوریتم‌های کنترل بهینه تطبیقی ​​استفاده کرد که با اندازه‌گیری داده‌ها در زمان واقعی به راه‌حل‌های کنترل بهینه همگرا می‌شوند. در طول مسیرهای سیستم

این کتاب همچنین نحوه استفاده از روش‌های برنامه‌نویسی پویا تقریبی را برای حل بازی‌های دیفرانسیل چند نفره آنلاین توضیح می‌دهد. نشان داده شده است که بازی های دیفرانسیل در کنترل قوی H-infinity برای رد اغتشاش و در هماهنگی فعالیت ها بین چندین عامل در تیم های شبکه ای مهم هستند. تمرکز این کتاب بر روی سیستم‌های زمان پیوسته است که مدل‌های دینامیکی آن‌ها را می‌توان مستقیماً از اصول فیزیکی مبتنی بر دینامیک همیلتونی یا لاگرانژی استخراج کرد. مثال‌های شبیه‌سازی در سرتاسر کتاب آورده شده‌اند و چندین روش توضیح داده شده‌اند که به اطلاعات دینامیک وضعیت کامل نیاز ندارند.

Adaptive controllers and optimal controllers are two distinct methods for the design of automatic control systems. Adaptive controllers learn online in real time how to control systems but do not yield optimal performance, whereas optimal controllers must be designed offline using full knowledge of the systems dynamics. This book shows how approximate dynamic programming – a reinforcement machine learning technique that is motivated by learning mechanisms in biological and animal systems – can be used to design a family of adaptive optimal control algorithms that converge in real-time to optimal control solutions by measuring data along the system trajectories.

The book also describes how to use approximate dynamic programming methods to solve multi-player differential games online. Differential games have been shown to be important in H-infinity robust control for disturbance rejection, and in coordinating activities among multiple agents in networked teams. The focus of this book is on continuous-time systems, whose dynamical models can be derived directly from physical principles based on Hamiltonian or Lagrangian dynamics. Simulation examples are given throughout the book, and several methods are described that do not require full state dynamics information.

دانلود کتاب «کنترل تطبیقی ​​بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان