网站首页  学院概况  党建思政  师资队伍  学科建设  科学研究  人才培养  专业认证  学生工作  教工之家  校友之窗  English  领导信箱 

“谦之”学术讲坛之九十六-Reinforcement Learning Approach to Data-Driven Optimal Control of Dynamical Systems with Communication Uncertainties

作者: 时间:2024-10-22 点击数:




报告题目:Reinforcement Learning Approach to Data-Driven Optimal Control of Dynamical Systems with Communication Uncertainties

报告人:姜艺,香港城市大学,博士后

报告时间:2024102415:00-16:00

报告地点:腾讯会议:339 976 079

报告对象:感兴趣的教师、研究生、本科生

主办单位:电气与信息工程学院

报告人简介

姜艺,香港城市大学博士后。主要从事自适应最优控制与输出调节、事件触发控制、多智能体系统等研究工作。目前SIAM期刊、IEEE汇刊、IFAC会刊、《自动化学报》发表/录用论文40余篇。获得香港研究资助局博士后奖学金计划2023\20242021中国自动化学会优秀博士论文奖、粤港澳大湾区人工智能与自动化学会2024年优秀论文一等奖、第34届中国控制与决策会议张嗣瀛优秀青年论文奖提名奖等目前担任期刊《Advanced Control for Applications: Engineering and Industrial Systems》的Associate Editor

报告内容

报告主要介绍了基于强化学习的数据驱动最优控制方法在网络化控制系统中的研究进展。传统的基于强化学习的数据驱动最优控制方法利用评价与执行的结构,使用在线数据进行性能指标值函数近似来训练评价网络,通过反馈优化性能来训练执行网络,有效地解决了动态规划“维数灾”的难题。然而,网络化控制系统中的通讯不确定性会带来非理想的在线数据,这使得传统方法失效。该报告首先利用动态规划原理给出网络控制系统的最优控制律,然后基于网络传输数据设计了网络环境下的数据驱动评价与执行网络的训练结构,提出了基于策略迭代与值迭代的在线训练算法,并给出了收敛性分析。最后利用仿真实验验证了所设计的方法。

欢迎全校师生踊跃参加!

 

学院地址:安徽省马鞍山市马向路安徽工业大学秀山校区电气楼    邮政编码:243032