Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2010.06236v1

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2010.06236v1 (eess)
[提交于 2020年10月13日 ]

标题: 基于强化学习的随机系统的平均成本最优控制

标题: Average Cost Optimal Control of Stochastic Systems Using Reinforcement Learning

Authors:Jing Lai, Junlin Xiong
摘要: 本文研究了具有乘性和加性噪声的离散时间系统的平均成本最小化问题,通过强化学习方法。 通过使用Q函数,我们提出了一种在线学习方案来估计Q函数的核矩阵,并利用系统轨迹上的数据更新控制增益。 获得的控制增益和核矩阵被证明会收敛到最优值。 为了实现所提出的学习方案,给出了一种在线无模型强化学习算法,其中使用递归最小二乘法来估计Q函数的核矩阵。 给出了一个数值示例来说明所提出的方法。
摘要: This paper addresses the average cost minimization problem for discrete-time systems with multiplicative and additive noises via reinforcement learning. By using Q-function, we propose an online learning scheme to estimate the kernel matrix of Q-function and to update the control gain using the data along the system trajectories. The obtained control gain and kernel matrix are proved to converge to the optimal ones. To implement the proposed learning scheme, an online model-free reinforcement learning algorithm is given, where recursive least squares method is used to estimate the kernel matrix of Q-function. A numerical example is presented to illustrate the proposed approach.
评论: 6页,2图
主题: 系统与控制 (eess.SY) ; 机器学习 (cs.LG); 优化与控制 (math.OC)
引用方式: arXiv:2010.06236 [eess.SY]
  (或者 arXiv:2010.06236v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2010.06236
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jing Lai [查看电子邮件]
[v1] 星期二, 2020 年 10 月 13 日 08:51:06 UTC (90 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2020-10
切换浏览方式为:
cs
cs.LG
cs.SY
eess
math
math.OC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号