強化学習を用いたカオス制御に使用する状態の簡易構成法

スポンサーリンク

概要

論文の詳細を見る
強化学習によるカオスの制御法はGadaletaらによって提案された。この方法は、事前に制御対象のカオスの内部状態や不動点等の位置を知らなくても、数種類の固定の制御入力を加えることによって制御が可能であり、OGY法とは大きく異なる。しかしながら、強化学習は試行錯誤的探索学習のため、学習が終了したのにもかかわらず、制御が必ず成功するとは限らない。これまでの研究により、制御の成否は、強化学習に用いる状態の空間分布に大きく影響を受けることが分かった。また従来法は、強化学習に用いる状態をニューラルガスアルゴリズムを用いているため、計算コストが莫大であり、制御の前処理に時間がかかる。そこで本報告では計算時間を削減しつつも比較的良好な制御の成功率を得られる状態の簡易な構成法を提案する。
2007-01-10

著者

関連論文

もっと見る

スポンサーリンク