Nicolas Hoischen

新的数据驱动方法解决了非线性最优控制问题

本文介绍了一种新颖的数据驱动方法，用于非线性系统的最优控制，特别关注系统动力学和成本函数未知的随机扩散。通过将状态概率密度嵌入再生核希尔伯特空间 (RKHS)，该方法利用算子回归来学习马尔可夫转移算子。该方法与凸算子理论的 Hamilton-Jacobi-Bellman 递归相结合，能够高效解决非线性最优控制问题，其在调节自主水下航行器中的应用证明了这一点。