Controllo adattativo ottimale e giochi differenziali con i principi dell'apprendimento per rinforzo

Titolo originale:

Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles

Contenuto del libro:

I controllori adattivi e i controllori ottimali sono due metodi distinti per la progettazione di sistemi di controllo automatici.

I controllori adattivi apprendono online in tempo reale come controllare i sistemi, ma non producono prestazioni ottimali, mentre i controllori ottimali devono essere progettati offline utilizzando la conoscenza completa della dinamica dei sistemi. Questo libro mostra come la programmazione dinamica approssimata, una tecnica di apprendimento automatico con rinforzo motivata dai meccanismi di apprendimento nei sistemi biologici e animali, possa essere utilizzata per progettare una famiglia di algoritmi di controllo ottimale adattivi che convergono in tempo reale a soluzioni di controllo ottimali misurando i dati lungo le traiettorie del sistema.

Il libro descrive anche come utilizzare metodi di programmazione dinamica approssimata per risolvere giochi differenziali multiplayer online. È stato dimostrato che i giochi differenziali sono importanti nel controllo robusto di Hinfinity per la reiezione dei disturbi e nel coordinamento delle attività tra più agenti in squadre collegate in rete. Il libro si concentra sui sistemi a tempo continuo, i cui modelli dinamici possono essere derivati direttamente da principi fisici basati su dinamiche hamiltoniane o lagrangiane.

Nel libro vengono forniti esempi di simulazione e vengono descritti diversi metodi che non richiedono informazioni complete sulla dinamica degli stati. Optimal Adaptive Control and Differential Games by Reinforcement Learning Principles è un'aggiunta essenziale agli scaffali degli ingegneri meccanici, elettrici e aerospaziali che lavorano alla progettazione di sistemi di controllo a retroazione.