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
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

11. Learning Automata Applied to Planning Control

verfasst von : Margarita-Arimatea Díaz-Cortés, Erik Cuevas, Raúl Rojas

Erschienen in: Engineering Applications of Soft Computing

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Planning Control uses information regarding a problem and its environment to decide whether one plan is better than other in order to reach a required control objective. An interesting alternative for planning control is model predictive control (MPC) and the receding horizon control. MPC is the planning approach that has recently found a wide acceptance for industrial applications.

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
Vorheriges Kapitel Artificial Bee Colony Algorithm Applied to Multi-threshold Segmentation
Nächstes Kapitel Fuzzy-Based System for Corner Detection
Literatur
1.
Liu GP (2001) Nonlinear identification and control: a neural network approach. Springer, BerlinCrossRefMATH
2.
Fleming PJ, Purshouse RC (2002) Evolutionary algorithms in control systems engineering: a survey. Control Eng Pract 10(2002):1223–1241CrossRef
3.
Ying-Pin C, Low C, Shih-Yu H (2009) Integrated feasible direction method and genetic algorithm for optimal planning of harmonic filters with uncertainty conditions. Expert Syst Appl 36:3946–3955CrossRef
4.
Huang L (2009) Velocity planning for a mobile robot to track a moving target—a potential field approach. Robot Auton Syst 57:55–63CrossRef
5.
Chauvin J, Corde G, Petit N, Rouchon P (2008) Motion planning for experimental airpath control of a diesel homogeneous charge-compression ignition engine. Control Eng Pract 16(9):1081–1091CrossRef
6.
Son C (2006) Comparison of intelligent control planning algorithms for robot’s part micro-assembly task. Eng Appl Artif Intell 19(1):41–52CrossRef
7.
Seow K, Sim K (2008) Collaborative assignment using belief-desire-intention agent modeling and negotiation with speedup strategies. Inf Sci 178(2):1110–1132
8.
Camacho E, Bordons C (2008) Model predictive control (advanced textbooks in control and signal processing). Springer, Berlin
9.
Garcia CE, Prett DM, Morari M (1989) Model predictive control: theory and practice—a survey. Automatica 25:335CrossRefMATH
10.
Mayne DQ, Rawlings JB, Rao CV, Scokaert POM (2000) Constrained model predictive control: stability and optimality. Automatica 36(6):789MathSciNetCrossRefMATH
11.
Camacho EF, Bordons C (2007) Nonlinear model predictive control: an introductory review. Assessment and future directions of nonlinear model predictive control. Springer, BerlinCrossRefMATH
12.
Nagy ZK, Mahn B, Franke R, Allgower F (2007) Evaluation study of an efficient output feedback nonlinear model predictive control for temperature tracking in an industrial batch reactor. Control Eng Pract 15(7):839–850CrossRef
13.
Cueli R, Bordons C (2008) Iterative nonlinear model predictive control. Stability, robustness and applications. Control Eng Pract 16:1023–1034CrossRef
14.
Canale M, Fagiano L, Milanese M (2009) Set membership approximation theory for fast implementation of model predictive control laws. Automatica 45:45–54MathSciNetCrossRefMATH
15.
Potočnik B, Mušič G, Škrjanc I, Zupančič B (2008) Model-based predictive control of hybrid systems: a probabilistic neural-network approach to real-time control. J Intell Robot Syst 51:45–63CrossRef
16.
Seyed-Hamid Z (2008) Learning automata based classifier. Pattern Recognit Lett 29:40–48CrossRef
17.
Zeng X, Zhou J, Vasseur C (2000) A strategy for controlling non-linear systems using a learning automaton. Automatica 36:1517–1524MathSciNetCrossRefMATH
18.
Howell M, Gordon T (2001) Continuous action reinforcement learning automata and their application to adaptive digital filter design. Eng Appl Artif Intell 14:549–561CrossRef
19.
Wu QH (1995) Learning coordinated control of power systems using inter-connected learning automata. Int J Electr Power Energy Syst 17:91–99CrossRef
20.
Thathachar MAL, Sastry PS (2002) Varieties of learning automata: an overview. IEEE Trans Syst Man Cybern Part B Cybern 32:711–722CrossRef
21.
Zeng X, Liu Z (2005) A learning automaton based algorithm for optimization of continuous complex function. Inf Sci 174:165–175CrossRefMATH
22.
23.
Howell MN, Frost GP, Gordon TJ, Wu QH (1997) Continuous action reinforcement learning applied to vehicle suspension control. Mechatronics 7(3):263–276CrossRef
24.
Kashki M, Lofty Y, Abdel-Magid, Abido MA (2008) Advanced intelligent computing theories and applications. With aspects of artificial intelligence. In: Huang et al (ed) A reinforcement learning automata optimization approach for optimum tuning of PID controller in AVR system. Springer, Berlin, pp 684–692
25.
Kelley CT (2000) Iterative methods for optimization, SIAM frontiers in applied mathematics, no 18. ISBN 0-89871-433-8
26.
Tsetlin ML (1973) Automaton theory and modeling of biological systems. Academic Press, New YorkMATH
27.
Narendra KS, Thathachar MAL (1989) Learning automata: an introduction. Prentice-Hall, LondonMATH
28.
Najim K, Poznyak AS (1994) Learning automata—theory and applications. Pergamon Press, OxfordMATH
29.
Thathachar MAL, Sastry S (2004) Techniques for online stochastic optimization. Springer, New York
30.
Press W, Flannery B, Teukolsky, Vetterling W (1992) Numerical recipes in C: the art of scientific computing, 2 edn. Cambridge University Press, Cambridge
Metadaten
Titel
Learning Automata Applied to Planning Control
verfasst von
Margarita-Arimatea Díaz-Cortés
Erik Cuevas
Raúl Rojas
Copyright-Jahr
2017
Buch
Engineering Applications of Soft Computing

Print ISBN: 978-3-319-57812-5

Electronic ISBN: 978-3-319-57813-2

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-57813-2_11