RKHS 数据驱动随机最优控制论文发布

Nicolas Hoischen 等作者提交论文《Data-Driven Stochastic Optimal Control in Reproducing Kernel Hilbert Spaces》，提出一种完全数据驱动的方法，用于求解以随机扩散表示的非线性控制仿射系统的最优控制问题。 论文称，在非线性动力学与阶段代价函数均未知、仅给定控制惩罚函数和约束的条件下，该方法将状态概率密度嵌入再生核希尔伯特空间（RKHS），以辨识受控扩散过程的 Markov 转移算子。论文发布于 arXiv cs.LG 分类。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。