使用 LSTM 的状态约束随机最优控制
系统与控制
2021-04-07 v1 系统与控制
摘要
本文中，我们提出一种用于状态约束随机最优控制（SOC）问题的新方法。该解法基于先前利用正倒向随机微分方程（FBSDE）求解 SOC 问题的工作。我们求解 FBSDE 的方法利用深度神经网络（DNN），特别是长短期记忆（LSTM）网络。选择 LSTM 求解 FBSDE 以应对维数灾难、非线性和长时间范围。此外，状态约束通过硬惩罚函数纳入，从而得到尊重约束边界的控制器。惩罚函数会引入的数值不稳定性通过自适应更新方案处理。该控制设计方法适用于一大类控制问题。我们所提算法的性能与可扩展性通过数值仿真得到展示。
引用
@article{arxiv.2104.02135,
title = {State Constrained Stochastic Optimal Control Using LSTMs},
author = {Bolun Dai and Prashanth Krishnamurthy and Andrew Papanicolaou and Farshad Khorrami},
journal= {arXiv preprint arXiv:2104.02135},
year = {2021}
}
备注
6 pages, 5 figures, American Control Conference 2021