- 博客(2)
- 收藏
- 关注
RSS订阅原创 MPC控制与强化学习控制的区别
对于实际问题一般不直接上真机进行试验，因此要尽可能真实的模拟系统模型（构建系统动力学模型，可能会存在高阶非线性问题，甚至没有明确的物理模型，只有一些运行历史数据）ps1:近几年有提到强化学习中的模型预测控制概念，理解为model-based 的RL，在一些问题的性能上相对于model-free有所提升。，（可以是模型预测控制、经典PID控制、鲁棒控制、最优控制、伺服控制等，也可以是启发式算法机器学习算法等）（1）主要基于数据驱动，无需动力学建模，可选择性的注入专家经验，建模耗时短、成本低。
2023-10-13 22:11:38
674
原创 强化学习用于电力系统决策与控制（一）——频率调整
这里写自定义目录标题强化学习用于电力系统决策与控制（一）——频率调整1.频率调整（Frequency Regulation）FR2.三级频率调整结构3.如何将RL应用于FR（以AGC为例）1）环境、状态和动作：合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导
2021-11-03 16:13:58
2419
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人