arXiv stat.ML· Nicolas Hoischen, Petar Bevanda, Stefan Sosnowski, Sandra Hirche, Boris Houska·· 2 小时前AI 评分22
基于 RKHS 的数据驱动随机最优控制
Data-Driven Stochastic Optimal Control in Reproducing Kernel Hilbert Spaces
AI 导读
该研究提出一种完全数据驱动的方法，用于控制由随机扩散表示的非线性控制仿射系统，在动力学与阶段代价函数均未知、仅提供控制惩罚函数和约束的条件下求解最优控制。方法将状态概率密度嵌入再生核希尔伯特空间（RKHS），借助算子回归识别受控扩散过程的马尔可夫转移算子，并与凸的算子论 Hamilton-Jacobi-Bellman 递推结合，计算量随状态维度线性增长。
来源：arXiv stat.ML · arxiv.org