Self-Learning Optimal Control of Nonlinear Systems : Adaptive Dynamic Programming Approach

این کتاب کلاسی از طرح‌های کنترل بهینه جدید، خودآموز و مبتنی بر تکنیک‌های برنامه‌نویسی پویا تطبیقی ​​را ارائه می‌کند که به طور کمی طرح‌های کنترل بهینه سیستم‌ها را به دست می‌آورند. این ویژگی‌های شناسایی‌شده توسط روش‌های برنامه‌نویسی، از جمله همگرایی توابع ارزش تکراری و پایداری سیستم تحت قوانین کنترل تکراری را تجزیه و تحلیل می‌کند و به تضمین اثربخشی روش‌های توسعه‌یافته کمک می‌کند. هنگامی که مدل سیستم شناخته شده است، کنترل بهینه خودآموز بر اساس مدل سیستم طراحی می شود. هنگامی که مدل سیستم شناخته نشده است، برنامه‌ریزی پویا تطبیقی ​​با توجه به داده‌های سیستم پیاده‌سازی می‌شود و به طور موثر باعث می‌شود عملکرد سیستم به حد مطلوب همگرا شود.

با مثال‌های مختلف در دنیای واقعی برای تکمیل و اثبات ریاضیات. تجزیه و تحلیل، این کتاب راهنمای ارزشمندی برای مهندسان، محققان و دانشجویان در علوم و مهندسی کنترل است.

This book presents a class of novel, self-learning, optimal control schemes based on adaptive dynamic programming techniques, which quantitatively obtain the optimal control schemes of the systems. It analyzes the properties identified by the programming methods, including the convergence of the iterative value functions and the stability of the system under iterative control laws, helping to guarantee the effectiveness of the methods developed. When the system model is known, self-learning optimal control is designed on the basis of the system model; when the system model is not known, adaptive dynamic programming is implemented according to the system data, effectively making the performance of the system converge to the optimum.

With various real-world examples to complement and substantiate the mathematical analysis, the book is a valuable guide for engineers, researchers, and students in control science and engineering.