xMLC——机器学习控制工具包
流体动力学
2022-08-30 v1
摘要
xMLC 是“流体力学中的机器学习工具”系列的第二本书，聚焦于机器学习控制（MLC）。本书目标有二：其一，为领域内学生、研究人员与新入行者提供 MLC 导论；其二，分享开源代码 xMLC，仅用少量可执行命令即可在装置中直接自动学习开环与闭环控制律。所呈现的 MLC 算法基于遗传编程，并凸显学习原理（探索与利用）。通过广泛的参数研究说明了平衡这两大原理的必要性，其中探索力与利用力逐步融入优化过程。所提供的软件 xMLC 是 MLC 的实现，构建于 OpenMLC（Duriez 等，2017）之上，但以线性遗传编程框架（Brameier 与 Banzhaf，2006）替代了基于树的遗传编程。后一表示更受青睐，因其更易实现多输入多输出控制律及遗传算子（变异与交叉）。逐步指南简化了软件使用，助新使用者数分钟内上手。我们还提供了将该代码用于其他求解器与实验的详细建议。代码开源，并提供 GitHub 版本以供未来更新、选项与插件。
引用
@article{arxiv.2208.13172,
title = {xMLC -- A Toolkit for Machine Learning Control},
author = {Guy Y. Cornejo Maceda and François Lusseyran and Bernd R. Noack},
journal= {arXiv preprint arXiv:2208.13172},
year = {2022}
}