基于强化学习的乘性噪声输入时滞系统最优控制
最优化与控制
2023-01-10 v1
摘要
本文研究了基于强化学习（RL）的乘性噪声系统最优控制问题，其中涉及输入时滞且部分系统动态未知。为求解标准 Riccati 方程的对应形式——决定最优控制器的 Riccati-ZXL 方程变体，我们首先给出了以若干 Lyapunov 型方程形式表示的充要条件，此为经典 Lyapunov 理论的平行推广。基于该条件，我们提供了针对 Riccati-ZXL 方程变体的离线收敛算法。根据该收敛算法，我们提出了一种基于 RL 的最优控制设计方法，用于求解具有部分未知系统动态的线性二次调节问题。最后，通过数值算例对所提算法进行评估。
引用
@article{arxiv.2301.02812,
title = {Reinforcement Learning-Based Optimal Control for Multiplicative-Noise Systems with Input Delay},
author = {Hongxia Wang and Fuyu Zhao and Zhaorong Zhang and Juanjuan Xu and Xun Li},
journal= {arXiv preprint arXiv:2301.02812},
year = {2023}
}