求问自适应动态规划ADP 、强化学习RL、和自适应评价学习ACL之间的联系与区别。

是小许x. 2021-05-26 03:00:43

本人控制领域新手一枚，想知道一下这三个在控制领域有啥区别？

...全文

8488 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

强化学习和自适应动态规划资料_pages-for-RL-and-ADP

本文提出了一种基于自适应动态规划（ADP）和反步法的无人船轨迹跟踪控制方法。该方法采用Actor-Critic强化学习架构求解HJB方程，实现最优控制。文章给出了MATLAB实现框架，包含系统建模、轨迹误差定义、反步法控制设计和ADP算法等关键步骤。示例代码展示了圆形轨迹跟踪的实现，包括神经网络初始化、控制信号生成和状态更新过程。该方法通过在线学习优化控制策略，可扩展使用更复杂的网络结构。适用于IEEE Transactions等期刊的复现研究，关键词包括自适应动态规划、反步法、强化学习和最优跟踪控制。

强化学习和自适应动态规划 本文主要记录一下控制领域强化学习和自适应动态规划的发展，主要分为如下几个方向展开：以早期Werbos提出Actor-Critic结构的Adaptive Dynamic Programming，并大致分成四类结构，包括DHP、HDP、ADDHP、ADHDP等等，这些算法大多数是通过收集数据进行离线算法。1 以Frank Lewis等人的自适应动态规划，包括On policy、Off policy和新提出的同步策略迭代，连续系统的Integral Reinforcement

领导-跟随策略是多智能体系统中广泛应用的一种协调控制方法。在这种策略中，系统中的某些智能体被指定为领导者（Leader），负责制定全局目标和行动计划；其余智能体则作为跟随者（Follower），根据领导者的指令和自身状态进行行动调整。该策略的核心在于确保所有智能体能够在自主决策的基础上，协同完成系统的整体任务。自适应动态规划（ADP）是一种基于动态规划（DP）和自适应控制理论的优化控制方法。ADP通过利用历史经验和当前状态，动态优化未来的决策，以实现最优控制策略。

@TOC 自适应动态规划学习笔记（3）第三天 ADP的三个部分 &emnp;书接上回，上图展示了ADP的三个基本的组成，其中Critic Network输出对函数$J$的估计值

4,250

社区成员

4,522

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章