随机离散时间系统H2/H∞控制的无模型强化学习
最优化与控制
2023-11-28 v1
摘要
本文针对一类随机离散时间系统的无穷时域H2/H∞问题，提出了一种强化学习(RL)算法，而非使用一组耦合的广义代数Riccati方程(GAREs)。该算法能够在系统参数未知时学习其最优控制策略。此外，本文探讨了检测噪声的影响以及算法的收敛性，并证明控制策略在有限次迭代后是可容许的。该算法还能处理随机场中的多目标控制问题。最后，将该算法应用于具有乘性噪声的F-16飞机自动驾驶仪。
引用
@article{arxiv.2311.14992,
title = {Model-free Reinforcement Learning for ${H_{2}/H_{\infty}}$ Control of Stochastic Discrete-time Systems},
author = {Xiushan Jiang and Li Wang and Dongya Zhao and Ling Shi},
journal= {arXiv preprint arXiv:2311.14992},
year = {2023}
}