版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、現(xiàn)實(shí)世界的一些生產(chǎn)加工企業(yè)中，存在一類由生產(chǎn)加工站作為加工主體的生產(chǎn)線，稱為傳送帶給料生產(chǎn)加工站(CSPS)。論文研究CSPS系統(tǒng)的最優(yōu)控制問題，其優(yōu)化目標(biāo)是通過合理選擇站點(diǎn)的前視(look-ahead)控制策略，實(shí)現(xiàn)系統(tǒng)的長遠(yuǎn)期望代價(jià)達(dá)到最優(yōu)。理論上，該優(yōu)化問題可通過數(shù)值方法求解，但是該方法存在“建模難”的問題。基于性能勢的在線策略迭代(OPI)算法能夠克服該問題，然而學(xué)習(xí)過程中采用查表法，缺少信息泛化能力，且CSPS系統(tǒng)中行動(dòng)空間是
2、連續(xù)的，離散化時(shí)離散粒度將影響系統(tǒng)的優(yōu)化性能。因此，論文應(yīng)用小腦模型關(guān)節(jié)控制器(CMAC)神經(jīng)網(wǎng)絡(luò)和在線支持向量機(jī)(Online SVM)對CSPS系統(tǒng)進(jìn)行在線優(yōu)化。
論文首先應(yīng)用CMAC神經(jīng)網(wǎng)絡(luò)逼近Q學(xué)習(xí)中具有連續(xù)行動(dòng)值的Q值函數(shù)，并給出相應(yīng)的在線Q學(xué)習(xí)。然后應(yīng)用CMAC神經(jīng)網(wǎng)絡(luò)逼近OPI算法中的Q值函數(shù)或性能勢函數(shù)以構(gòu)造OPI-Q算法和OPI-Qg算法。實(shí)驗(yàn)結(jié)果表明，基于CMAC的各算法學(xué)習(xí)、收斂速度更快，使系統(tǒng)的平均
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論