动态规划类算法.pptVIP

动态规划类算法 DDDP 离散微分动态规划法(Discrete differential dynamic programming – DDDP) 选定初始可行的决策序列和相应的状态序列； 选增量形成廊道：取定增量Δ，在初始状态序列的上下各变动Δ，形成一个带状的“廊道”，每个阶段一个状态变量只可能取三个值， ； 3. 在廊道内用动态规划法选优得到较好的新的状态序列； 4. 反复迭代：以新的状态序列代替初始状态序列，重复1.2.3.，直到收敛为止，得最优状态序列和最优决策序列。 例. 设 用动态规划法求最优解。 DDDP法的特点 能有效减轻动态规划的“维数灾”： 与动态规划发比较，大大减少存储量；计算量一般也会减少较多，但与初始状态序列的选取有关。 不能保证得到全局最优解，可能收敛到局部最优解； DDP 微分动态规划法Differential Dynamic Programming (DDP) 对DP的递推方程 设初始状态为 ，相应的决策为 ，记 将f,r在 ， 处展开成二次Taylor多项式， T线性展开： 则 令其对 的梯度为0，得： 代入目标函数得 其中，矩阵Ak,bk可由上述系数矩阵表示。 顺推根据状态的增量求决策增量，在由状态转移方程的下一阶段的状态增量，从而得新的状态序列和决策序列。 特点: