新方法用RKHS实现数据驱动随机最优控制

Nicolas Hoischen等作者提出一种完全数据驱动的方法，用于求解随机扩散表示的非线性控制仿射系统的最优控制问题。该方法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即可求解。 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，其计算量随状态维度线性增长。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。