توضیحات
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.
————————————————————–
ترجمه ماشینی :
کنترل کننده های تطبیقی و کنترل کننده های بهینه دو روش متمایز برای طراحی سیستم های کنترل اتوماتیک هستند. کنترلکنندههای تطبیقی بهصورت آنلاین به صورت آنلاین یاد میگیرند که چگونه سیستمها را کنترل کنند، اما عملکرد مطلوبی را ارائه نمیدهند، در حالی که کنترلکنندههای بهینه باید بهصورت آفلاین و با استفاده از دانش کامل از دینامیک سیستمها طراحی شوند. این کتاب نشان می دهد که چگونه می توان از برنامه نویسی پویا تقریبی – یک تکنیک یادگیری ماشینی تقویتی که با مکانیزم های یادگیری در سیستم های بیولوژیکی و جانوری انگیزه دارد – برای طراحی خانواده ای از الگوریتم های کنترل بهینه تطبیقی استفاده کرد که با اندازه گیری داده ها در زمان واقعی به راه حل های کنترلی بهینه همگرا می شوند. در طول مسیرهای سیستم این کتاب همچنین نحوه استفاده از روش های تقریبی برنامه نویسی پویا را برای حل بازی های دیفرانسیل چند نفره آنلاین توضیح می دهد. نشان داده شده است که بازی های دیفرانسیل در کنترل قوی H-infinity برای رد اغتشاش و در هماهنگی فعالیت ها بین عوامل متعدد 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 سراسر کتاب آورده شدهاند، و چندین روش توضیح داده شدهاند که به اطلاعات دینامیک وضعیت کامل نیاز ندارند.
tag : دانلود کتاب کنترل تطبیقی بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی , Download کنترل تطبیقی بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی , دانلود کنترل تطبیقی بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی , Download Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles Book , کنترل تطبیقی بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی دانلود , buy کنترل تطبیقی بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی , خرید کتاب کنترل تطبیقی بهینه و بازی های دیفرانسیل توسط اصول یادگیری تقویتی , دانلود کتاب Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles , کتاب Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles , دانلود Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles , خرید Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles , خرید کتاب Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.