Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Neural Processing Letters
Erschienen in: Neural Processing Letters 2/2017

12.07.2016

A NN-Based Hybrid Intelligent Algorithm for a Discrete Nonlinear Uncertain Optimal Control Problem

verfasst von: Chunxiao Ding, Yun Sun, Yuanguo Zhu

Erschienen in: Neural Processing Letters | Ausgabe 2/2017

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A discrete-time nonlinear optimal control system with uncertain perturbation is studied in this paper. A value-iteration-based hybrid intelligent algorithm (HIA), incorporating heuristic dynamic programming algorithm and uncertain simulation, is presented. And some characters of the HIA are provided. Two neural networks are used in the algorithm: a critic network is aimed at approximating the objective function, as well as an active network is used to obtain an uncertain optimal control law. As an application, a schistosomiasis compartment SI model is solved to illustrate the feasibility and effectiveness of the HIA.
Vorheriger Artikel Deterministic Convergence of Wirtinger-Gradient Methods for Complex-Valued Neural Networks
Nächster Artikel Fully Complex Valued Wavelet Network for Forecasting the Global Solar Irradiation

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Al-Tamimi A, Lewis FL, Abu-Khalaf M (2008) Discrete-time nonlinear HJB solution using approximate dynamic programming: convergence proof. IEEE Trans Syst Man Cybern B 38(4):943–949CrossRef
2.
Berkovitz LD (1976) Optimal control theory. Springer, New YorkMATH
3.
Bradtke SJ, Ydstie BE, Barto AG (1994) Adaptive linear quadratic control using policy iteration. Am Control Conf IEEE 3:3475–3479
4.
Chen X, Ralescu DA (2011) A note on truth value in uncertain logic. Expert Syst Appl 38(12):15582–15586CrossRef
5.
6.
Deng L, Zhu Y (2012) An uncertain optimal control model with n jumps and application. Comput Sci Inf Syst 9(4):1453–1468CrossRef
7.
Deng L, Zhu Y (2012) Uncertain optimal control with jump. ICIC Express Lett B 3(2):419–424
8.
9.
Ding C, Zhu Y (2015) Two empirical uncertain models for project scheduling problem. J Oper Res Soc 66(9):1471–1480
10.
Ding C, Qiu Z, Zhu H (2015) Multi-host transmission dynamics of schistosomiasis and its optimal control. Math Biosci Eng 12(5):983–1006MathSciNetCrossRefMATH
11.
Ding S, Wang Z, Huang Z, Zhang H (2016) Novel switching jumps dependent exponential synchronization criteria for memristor-based neural networks. Neural Process Lett. doi:10.​1007/​s11063-016-9504-3
12.
Dreyfus G (2005) Neural networks: methodology and applications. Springer, BerlinMATH
13.
Finlayson BA (2013) The method of weighted residuals and variational principles. Society for Industrial and Applied Mathematics, New YorkCrossRefMATH
14.
Fleming WH, Rishel RW (1975) Deterministic and stochastic optimal control. Springer, New YorkCrossRefMATH
15.
16.
17.
Gao Y, Wen M, Ding S (2013) (s, S) policy for uncertain single-period inventory problem. Int J Uncertain Fuzziness Knowl Based Syst 21(6):945–953MathSciNetCrossRefMATH
18.
Ge X, Zhu Y (2013) A necessary condition of optimality for uncertain optimal control problem. Fuzzy Optim Decis Mak 12(1):41–51MathSciNetCrossRef
19.
Lasalle JP (1969) Functional analysis and time optimal control. Academic, New YorkMATH
20.
Liu B (2007) Uncertainty theory, 2nd edn. Springer, BerlinMATH
21.
Liu B (2008) Fuzzy process, hybrid process and uncertain process. J Uncertain Syst 2(1):3–16
22.
Liu B (2009) Some research problems in uncertainty theory. J Uncertain Syst 3(1):3–10
23.
Liu B (2010) Uncertainty theory: a branch of mathematics for modeling human uncertainty. Springer, BerlinCrossRef
24.
Liu Y, Ha M (2010) Expected value of function of uncertain variables. J Uncertain Syst 4(3):181–186
25.
Kang Y, Zhu Y (2012) Bang–bang optimal control for multi-stage uncertain systems. Inf Int Interdiscip J 15(8):3229–3238MathSciNetMATH
26.
Kiumarsi B, Lewis FL, Levine DS (2015) Optimal control of nonlinear discrete time-varying systems using a new neural network approximation structure. Neurocomputing 156:157–165CrossRef
27.
Kwakernaak H, Sivan R (1972) Linear optimal control systems. Wiley-Interscience, New YorkMATH
28.
Meditch JS, Tacker EC (1972) Stochastic optimal linear estimation and control. IEEE Trans Syst Man Cybern 2(3):444CrossRef
29.
Peng Z, Iwamura K (2010) A sufficient and necessary condition of uncertainty distribution. J Interdiscip Math 13(3):277–285MathSciNetCrossRefMATH
30.
Peng J, Yao K (2011) A new option pricing model for stocks in uncertainty markets. Int J Oper Res 8(2):18–26MathSciNet
31.
Prokhorov DV, Wunsch DC (1997) Adaptive critic designs. IEEE Trans Neural Netw 8(5):997–1007CrossRef
32.
Schmidhuber J (2015) Deep learning in neural networks: an overview. Neural Netw 61:85–117CrossRef
33.
Sheng L, Zhu Y (2013) Optimistic value model of uncertain optimal control. Int J Uncertain Fuzziness Knowl Based Syst 21(Suppl):75–87MathSciNetCrossRefMATH
34.
Sheng L, Zhu Y, Hamalainen T (2013) An uncertain optimal control model with Hurwicz criterion. Appl Math Comput 224:412–421MathSciNetMATH
35.
Stengel RF (1986) Stochastic optimal control. Wiley, New YorkMATH
36.
Werbos P J (1990) A menu of designs for reinforcement learning over time. In: Neural networks for control. MIT Press, Cambridge, p 67–95
37.
Xu X, Zhu Y (2012) Uncertain bang–bang control for continuous time model. Cybern Syst 43(6):515–527CrossRefMATH
38.
Yan H, Zhu Y (2015) Bang–bang control model for uncertain switched systems. Appl Math Model 39(10):2994–3002MathSciNetCrossRef
39.
Yao K (2014) Sine entropy of uncertain set and its applications. Appl Soft Comput 22:432–442CrossRef
40.
Yao K, Li X (2012) Uncertain alternating renewal process and its application. IEEE Trans Fuzzy Syst 20(6):1154–1160CrossRef
41.
Zhang X, Chen X (2012) A new uncertain programming model for project scheduling problem. Inf Int Interdiscip J 15(10):3901–3910MathSciNetMATH
42.
Zhu Y (2010) Uncertain optimal control with application to a portfolio selection model. Cybern Syst Int J 41(7):535–547CrossRefMATH
43.
Zhu Y (2012) Functions of uncertain variables and uncertain programming. J Uncertain Syst 6(4):278–288
Metadaten
Titel
A NN-Based Hybrid Intelligent Algorithm for a Discrete Nonlinear Uncertain Optimal Control Problem
verfasst von
Chunxiao Ding
Yun Sun
Yuanguo Zhu
Publikationsdatum
12.07.2016
Verlag
Springer US
Erschienen in
Neural Processing Letters / Ausgabe 2/2017
Print ISSN: 1370-4621
Elektronische ISSN: 1573-773X
DOI
https://doi.org/10.1007/s11063-016-9536-8

Weitere Artikel der Ausgabe 2/2017

Neural Processing Letters 2/2017 Zur Ausgabe

OriginalPaper

Anti-periodic Solutions of Inertial Neural Networks with Time Delays

OriginalPaper

Spatiotemporal Behavior of Small-World Neuronal Networks Using a Map-Based Model

OriginalPaper

Stability Analysis of Fractional Order Complex-Valued Memristive Neural Networks with Time Delays

OriginalPaper

Ensemble Multiple-Kernel Based Manifold Regularization

OriginalPaper

Pseudo-marginal Markov Chain Monte Carlo for Nonnegative Matrix Factorization

OriginalPaper

Global Exponential Convergence of Neutral Type Shunting Inhibitory Cellular Neural Networks with D Operator

Neuer Inhalt

    Bildnachweise