PROGRAMAÇÃO DINÂMICA HEURÍSTICA DUAL E REDES DE FUNÇÕES DE BASE RADIAL PARA SOLUÇÃO DA EQUAÇÃO DE HAMILTON-JACOBI-BELLMAN EM PROBLEMAS DE CONTROLE ÓTIMO

• Ano de defesa: 2014
• Autor(a) principal: Andrade, Gustavo Araújo de
• Orientador(a): FONSECA NETO, João Viana da
• Banca de defesa: Serra, Ginalber Luiz de Oliveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Maranhão
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
• Departamento: Engenharia
• País: BR
• Palavras-chave em Português: Controle Ótimo; Aprendizagem por Reforço; Programação Dinâmica Aproximada; Programação Heurística Dual, Redes de Função de Base Radial
• Palavras-chave em Inglês: Optimal Control; Reinforcement Learning; Approximate Dynamic Programming; Dual Heuristic Programming; Radial Basis Function Neural Networks
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://tedebc.ufma.br:8080/jspui/handle/tede/517

In this work the main objective is to present the development of learning algorithms for online application for the solution of algebraic Hamilton-Jacobi-Bellman equation. The concepts covered are focused on developing the methodology for control systems, through techniques that aims to design online adaptive controllers to reject noise sensors, parametric variations and modeling errors. Concepts of neurodynamic programming and reinforcement learning are are discussed to design algorithms where the context of a given operating point causes the control system to adapt and thus present the performance according to specifications design. Are designed methods for online estimation of adaptive critic focusing efforts on techniques for gradient estimating of the environment value function.