دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب An Introduction to Optimal Control Theory: The Dynamic Programming Approach
دانلود کتاب مقدمه ای بر نظریه کنترل بهینه: رویکرد برنامه نویسی پویا
مشخصات کتاب
An Introduction to Optimal Control Theory: The Dynamic Programming Approach
ویرایش: نویسندگان: Onésimo Hernández-Lerma, Leonardo R. Laura-Guarachi, Saul Mendoza-Palacios, David González-Sánchez سری: Texts in Applied Mathematics, 76 ISBN (شابک) : 3031211383, 9783031211386 ناشر: Springer سال نشر: 2023 تعداد صفحات: 278 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
قیمت کتاب (تومان) : 87,000
در صورت تبدیل فایل کتاب An Introduction to Optimal Control Theory: The Dynamic Programming Approach به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر نظریه کنترل بهینه: رویکرد برنامه نویسی پویا نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب مقدمه ای بر نظریه کنترل بهینه: رویکرد برنامه نویسی پویا
این کتاب مسائل کنترل بهینه را برای خانواده های بزرگ سیستم های قطعی و تصادفی با پارامتر زمان گسسته یا پیوسته معرفی می کند. این خانواده ها شامل اکثر سیستم های مورد مطالعه در بسیاری از رشته ها، از جمله اقتصاد، مهندسی، تحقیقات عملیات، و علوم مدیریت، در میان بسیاری دیگر می شوند. و ارائه منطقی خود شامل برخی از موضوعات کلیدی در تئوری کنترل بهینه. برای این منظور، بیشتر تحلیل ها بر اساس تکنیک برنامه نویسی پویا (DP) است. این تکنیک تقریباً برای تمام مسائل کنترلی که در تئوری و کاربردها ظاهر می شوند قابل استفاده است. برای مثال، آنها شامل مسائل کنترل افق محدود و نامتناهی هستند که در آنها سیستم دینامیکی زیربنایی از یک تفاوت قطعی یا تصادفی یا معادله دیفرانسیل پیروی می کند. در مورد افق نامتناهی، همچنین از DP برای مطالعه مشکلات بدون تخفیف، مانند هزینه متوسط ارگودیک یا بلندمدت استفاده میکند.
پس از یک مقدمه کلی برای کنترل مشکلات. این کتاب به چهار بخش با سیستمهای دینامیکی مختلف تقسیم میشود: کنترل سیستمهای قطعی زمان گسسته، سیستمهای تصادفی زمان گسسته، معادلات دیفرانسیل معمولی، و در نهایت یک MCP زمان پیوسته کلی با کاربردهای معادلات دیفرانسیل تصادفی. span>
قسمت اول و دوم باید برای دانشجویان کارشناسی با مقداری دانش از حساب ابتدایی، جبر خطی و برخی مفاهیم از نظریه احتمال (متغیرهای تصادفی، انتظارات و غیره) در دسترس باشد. در حالی که بخش سوم و چهارم برای دانشجویان کارشناسی ارشد یا فارغ التحصیلان پیشرفته که دانش کاری در زمینه تجزیه و تحلیل ریاضی (مشتقات، انتگرال ها، ...) و فرآیندهای تصادفی دارند مناسب است.
توضیحاتی درمورد کتاب به خارجی
This book introduces optimal control problems for large families of deterministic and stochastic systems with discrete or continuous time parameter. These families include most of the systems studied in many disciplines, including Economics, Engineering, Operations Research, and Management Science, among many others.
The main objective is to give a concise, systematic, and reasonably self contained presentation of some key topics in optimal control theory. To this end, most of the analyses are based on the dynamic programming (DP) technique. This technique is applicable to almost all control problems that appear in theory and applications. They include, for instance, finite and infinite horizon control problems in which the underlying dynamic system follows either a deterministic or stochastic difference or differential equation. In the infinite horizon case, it also uses DP to study undiscounted problems, such as the ergodic or long-run average cost.After a general introduction to control problems, the book covers the topic dividing into four parts with different dynamical systems: control of discrete-time deterministic systems, discrete-time stochastic systems, ordinary differential equations, and finally a general continuous-time MCP with applications for stochastic differential equations.
The first and second part should be accessible to undergraduate students with some knowledge of elementary calculus, linear algebra, and some concepts from probability theory (random variables, expectations, and so forth). Whereas the third and fourth part would be appropriate for advanced undergraduates or graduate students who have a working knowledge of mathematical analysis (derivatives, integrals, ...) and stochastic processes.
فهرست مطالب
1 Preface Contents 978-3-031-21139-3_1 1 Introduction: Optimal Control Problems 978-3-031-21139-3_2 2 Discrete–Time Deterministic Systems 2.1 The Dynamic Programming Equation 2.2 The DP Equation and Related Topics 2.2.1 Variants of the DP Equation 2.2.2 The Minimum Principle 2.3 Infinite–Horizon Problems 2.3.1 Discounted Case 2.3.2 The Minimum Principle 2.3.3 The Weighted-Norm Approach 2.4 Approximation Algorithms 2.4.1 Value Iteration 2.4.2 Policy Iteration 2.5 Long–Run Average Cost Problems 2.5.1 The AC Optimality Equation 2.5.2 The Steady–State Approach 2.5.3 The Vanishing Discount Approach 978-3-031-21139-3_3 3 Discrete–Time Stochastic Control Systems 3.1 Stochastic Control Models 3.2 Markov Control Processes: Finite Horizon 3.3 Conditions for the Existence of Measurable Minimizers 3.4 Examples 3.5 Infinite–Horizon Discounted Cost Problems 3.6 Policy Iteration 3.7 Long-Run Average Cost Problems 3.7.1 The Average Cost Optimality Inequality 3.7.2 The Average Cost Optimality Equation 3.7.3 Examples 978-3-031-21139-3_4 4 Continuous–Time Deterministic Systems 4.1 The HJB Equation and Related Topics 4.1.1 Finite–Horizon Problems: The HJB Equation 4.1.2 A Minimum Principle from the HJB Equation 4.2 The Discounted Case 4.3 Infinite–Horizon Discounted Cost 4.4 Long-Run Average Cost Problems 4.4.1 The Average Cost Optimality Equation (ACOE) 4.4.2 The Steady-State Approach 4.4.3 The Vanishing Discount Approach 4.5 The Policy Improvement Algorithm 4.5.1 The PIA: Discounted Cost Problems 4.5.2 The PIA: Average Cost Problems 978-3-031-21139-3_5 5 Continuous–Time Markov Control Processes 5.1 Markov Processes 5.2 The Infinitesimal Generator 5.3 Markov Control Processes 5.4 The Dynamic Programming Approach 5.5 Long–Run Average Cost Problems 5.5.1 The Ergodicity Approach 5.5.2 The Vanishing Discount Approach 978-3-031-21139-3_6 6 Controlled Diffusion Processes 6.1 Diffusion Processes 6.2 Controlled Diffusion Processes 6.3 Examples: Finite Horizon 6.4 Examples: Discounted Costs 6.5 Examples: Average Costs 1 (1) Appendix A Terminology and Notation Lower Semicontinuous Functions Appendix B *26ptExistence of Measurable Minimizers Appendix C *26ptMarkov Processes Continuous–Time Markov Processes Theorem of C. Ionescu–Tulcea Appendix Bibliography Index
