智能控制与强化学习先进值迭代评判设计

第 一章 智能评判控制的先进值迭代方法概述

1.1 强化学习背景

1.2 自适应评判介绍

1.3 传统值迭代

1.4 广义值迭代

1.5 演化值迭代

1.6 加速值迭代

1.7 小结

第二章 基于广义值迭代的线性*优调节与稳定性分析

2.1 引言

2.2 问题描述

2.3 面向线性系统的广义值迭代

2.4 迭代策略稳定性分析

2.5 仿真实验

2.6 小结

第三章 具有稳定保证的非线性系统优化控制设计

3.1 引言

3.2 问题描述

3.3 面向非线性系统的广义值迭代

3.4 迭代策略稳定性和容许性分析

3.5 仿真实验

3.6 小结

第四章 一种基于评判学习的非线性智能*优跟踪

4.1 引言

4.2 问题描述

4.3 面向智能*优跟踪的广义值迭代

4.4 基于神经网络的算法实现

4.5 仿真实验

4.6 小结

第五章 一类非线性系统的事件触发*优跟踪控制

5.1 引言

5.2 问题描述

5.3 基于事件触发的近似*优跟踪

5.4 基于神经网络的跟踪控制器设计

5.5 仿真实验

5.6 小结

第六章 基于演化值迭代的非线性*优轨迹跟踪

6.1 引言

6.2 问题描述

6.3 基于新型效用函数的广义值迭代

6.4 演化控制与稳定性分析

6.5 仿真实验

6.6 小结

第七章 融合值迭代学习的非线性零和博弈性能分析

7.1 引言

7.2 零和博弈问题描述

7.3 面向零和博弈的广义值迭代

7.4 零和博弈的演化控制设计

7.5 仿真实验

7.6 小结

第八章 具有可调节收敛速度的新型值迭代机制

8.1 引言

8.2 问题描述

8.3 加速值迭代算法性能分析

8.4 加速值迭代应用设计

8.5 仿真实验

8.6 小结

第九章 基于加速值迭代的非线性系统轨迹跟踪

9.1 引言

9.2 问题描述

9.3 面向跟踪控制的加速值迭代

9.4 基于加速值迭代的演化控制

9.5 仿真实验

9.6 小结

第十章 面向非线性零和博弈的快速值迭代学习

10.1 引言

10.2 问题描述

10.3 面向零和博弈的增量迭代机制

10.4 面向零和博弈的自励迭代机制

10.5 仿真实验

10.6 小结与展望