搜索结果: 1-5 共查到“自动控制理论 强化学习”相关记录5条 . 查询时间(0.2 秒)
基于滚动时域强化学习的智能车辆侧向控制算法
滚动时域 强化学习 智能汽车 侧向控制
2024/1/16
针对智能车辆的高精度侧向控制问题,提出一种基于滚动时域强化学习(Receding horizon reinforcement learning,RHRL)的侧向控制方法.车辆的侧向控制量由前馈和反馈两部分构成,前馈控制量由参考路径的曲率以及动力学模型直接计算得出;而反馈控制量通过采用滚动时域强化学习算法求解最优跟踪控制问题得到。
第七届深度强化学习理论与应用研讨会顺利召开(图)
算法应用 交通信号控制 无人系统
2023/5/22
2023年1月5-6日,第七届深度强化学习理论与应用研讨会顺利举行。活动聚焦深度强化学习(DRL)与博弈、自动驾驶和机器人等方向的前沿进展与最新成果开展研讨交流,并邀请4位领域专家分别从“小样本强化学习算法及应用的研究进展”,“基于深度强化学习的交通信号控制进展”,“无人系统分布式协同控制”,“基于深度强化学习的智能电网新能源高效利用”等不同主题进行了精彩分享。报告环节在线上平台进行同步直播,吸引...
近年来,以数据驱动为核心的深度学习通过逐层抽象方式形成原始数据区别性表达,在自然语言、语音和计算机视觉等领域取得了显著进展。但是,这一任务式、刺激式的学习机制需要向探索式(直觉牵引)、自主式学习机制跃升,具备“学习的学习(learning to learn)”能力,形成解释性强、数据依赖灵活和知识引导的模型和方法。
研究多站点传送带给料生产加工站(Conveyor-serviced production station, CSPS)系统的最优控制问题, 其优化目标是通过合理选择每个CSPS的Look-ahead控制策略, 实现整个系统的工件处理率最大.本文首先根据多Agent系统的反应扩散思想, 对每个Agent的原始性能函数进行改进, 引入了具有扩散功能的局域信息交互项(原始项看作具有反应功能); 并运用性...