文献

J-GLOBAL ID：202002240468045965   整理番号：20A0792587

モデルフリー最適制御のための決定論的ポリシー勾配適応動的計画法【JST・京大機械翻訳】

Deterministic policy gradient adaptive dynamic programming for model-free optimal control

著者 (6件)： Zhang Yongwei (School of Automation, Guangdong University of Technology, Guangzhou 510006, China) ,  Zhang Yongwei (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang 110819, China) ,  Zhao Bo (School of Systems Science, Beijing Normal University, Beijing 100875, China) ,  Zhao Bo (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang 110819, China) ,  Liu Derong (School of Automation, Guangdong University of Technology, Guangzhou 510006, China) ,  Liu Derong (State Key Laboratory of Synthetical Automation for Process Industries, Northeastern University, Shenyang 110819, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 387  ページ： 40-50  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,離散時間非線形システムのモデルフリー最適制御問題を解くために,決定論的ポリシー勾配適応動的計画法(DPGADP)アルゴリズムを提案した。測定データを用いて,開発したアルゴリズムは,政策勾配法により制御性能を改善した。DPGADPアルゴリズムの収束を,構築したQ関数系列が単調に非増加し,最適Q関数に収束することを示すことにより実証した。アクター臨界ニューラルネットワーク(NN)構造を確立して,DPGADPアルゴリズムを実行した。訓練プロセスの間,深いQ学習からの経験再生と目標ネットワーク技術を採用した。NN重み誤差動力学の安定性も解析した。最後に,提案した方法の有効性を検証するために,2つのシミュレーション例を示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 傾斜法 ,  *動的計画法 ,  計算機シミュレーション ,  ネットワーク ,  ニューラルネットワーク ,  シミュレーション ,  アルゴリズム ,  非線形系 ,  最適制御 ,  臨界 ,  可制御性 ,  有効性
準シソーラス用語： Q学習 ,  Q関数 ,  *決定論 , 【Automatic Indexing@JST】

著者キーワード (5件)： 適応動的計画法 ,  決定論的ポリシー勾配 ,  最適制御 ,  ニューラルネットワーク ,  モデルフリー

分類 (2件)： システム設計・解析  (IA02030D) ,  数理計画法  (KA03030M)

タイトルに関連する用語 (5件)： モデル ,  最適制御 ,  勾配 ,  適応 ,  動的計画法