更新时间：2025-01-09 17:01:03
封面
版权信息
内容提要
序
前言
第1章 智能评判控制的先进值迭代方法概述
1.1 引言
1.2 面向最优调节的值迭代算法
1.2.1 离散时间HJB方程
1.2.2 传统值迭代算法
1.2.3 广义值迭代算法
1.2.4 集成值迭代算法
1.2.5 演化值迭代算法
1.2.6 可调节值迭代算法
1.3 面向最优跟踪的值迭代算法
1.3.1 求解稳态控制的值迭代跟踪算法
1.3.2 无稳态控制的值迭代跟踪算法
1.4 面向零和博弈的值迭代算法
1.4.1 离散时间HJI方程
1.4.2 零和博弈最优调节问题
1.4.3 零和博弈最优跟踪问题
1.5 小结
参考文献
第2章 基于折扣广义值迭代的线性最优调节与稳定性分析
2.1 引言
2.2 问题描述
2.3 线性系统的折扣广义值迭代算法
2.3.1 折扣广义值迭代算法推导
2.3.2 性能分析
2.4 仿真实验
2.5 小结
第3章 基于折扣广义值迭代的非线性最优控制与稳定性分析
3.1 引言
3.2 问题描述
3.3 非线性系统的折扣广义值迭代算法
3.3.1 折扣广义值迭代算法推导
3.3.2 性能分析
3.4 仿真实验
3.5 小结
第4章 基于折扣广义值迭代的非线性智能最优跟踪
4.1 引言
4.2 问题描述
4.3 面向智能最优跟踪的广义值迭代
4.3.1 面向最优跟踪的折扣广义值迭代算法推导
4.3.2 面向最优跟踪的折扣广义值迭代算法性质
4.4 基于神经网络的算法实现
4.5 仿真实验
4.6 小结
第5章 基于广义值迭代的新型事件触发最优跟踪控制
5.1 引言
5.2 问题描述
5.3 基于事件的近似最优跟踪控制设计
5.3.1 广义值迭代算法推导
5.3.2 事件触发最优控制设计
5.4 基于神经网络的算法实现
5.4.1 模型网络
5.4.2 评判网络
5.4.3 执行网络
5.5 仿真实验
5.6 小结
第6章 具有先进评判学习结构的广义值迭代轨迹跟踪
6.1 引言
6.2 问题描述
6.2.1 传统代价函数的局限性
6.2.2 基于新型代价函数的最优跟踪控制
6.3 基于新型代价函数的广义值迭代算法
6.3.1 具有新型代价函数的广义值迭代算法推导
6.3.2 具有新型代价函数的广义值迭代算法性质
6.4 具有新型代价函数的迭代二次启发式规划算法
6.4.1 迭代二次启发式规划算法推导
6.4.2 未知系统动态辨识
6.4.3 单一神经网络算法实现
6.5 仿真实验
6.6 小结
第7章 融合集成与演化值迭代的非线性零和博弈设计
7.1 引言
7.2 问题描述
7.3 面向零和博弈的广义值迭代算法
7.3.1 非线性零和博弈的广义值迭代算法推导
7.3.2 线性零和博弈的广义值迭代算法推导
7.3.3 面向零和博弈的广义值迭代算法特性
7.4 零和博弈问题的演化值迭代控制设计
7.5 仿真实验
7.6 小结
第8章 收敛速度可调节的新型值迭代机制
8.1 引言
8.2 问题描述
8.3 新型可调节值迭代框架
8.3.1 新型可调节值迭代算法推导
8.3.2 新型可调节值迭代算法性质
8.3.3 加速值迭代算法的实际设计
8.4 仿真实验
8.5 小结
