試行錯誤相関学習法による非線形制御システムの最適化

スポンサーリンク

概要

論文の詳細を見る
試行錯誤相関学習とは、対象とするシステムの調節可能なパラメータを試行錯誤的に変化させ、評価関数が良くなる方向にパラメータを変更しつつ、最適なパラメータを探索する手法の一つである。ランダムサーチや確率近似法と類似の手法であり、強化学習を各パラメータの調節に直接適用したものともいえる。この様な手法を用いれば、厳密にモデル化することの困難な非成形システムの最適化も可能である。本報告では、典型的な例題として倒立振子の安定化制御を行うニューロコントローラを対象として、上記手法の有用性を計算機シミュレーションにより評価した結果を述べる。評価関数の設定においては、振子の安定化のみならず、コントローラのニューロン数最小化も考慮した。コントローラの小規模化は高速制御などにおいて有益である。
社団法人電子情報通信学会の論文
1994-09-26

著者

関連論文

スポンサーリンク