本项目研究隐Markov过程性能灵敏度分析和优化问题,将Markov过程的性能势概念引入隐Markov过程,建立相应的性能灵敏度分析理论、在线估计算法,并运用基于事件优化的方法建立隐Markov过程的优化理论框架。利用Markov性能势可以基于一条样本轨道估计的特性,建立隐Markov过程性能灵敏度的估计理论,并结合仿真优化、随机逼近技术以及基于事件优化的方法,建立隐Markov过程的优化理论,这是一种直接优化技术。目前隐Markov决策过程的研究主要运用动态规划技术,但由于存在维数灾问题,使得现有计算机的运算能力很难适应该类系统的实时在线优化。本项目建立基于事件的直接优化技术是基于系统的一条观测样本轨道,可以在线的修整系统的参数或进行决策,并不断地改进系统的性能。
{{i.achievement_title}}
数据更新时间:2023-05-31
一种基于多层设计空间缩减策略的近似高维优化方法
基于LS-SVM香梨可溶性糖的近红外光谱快速检测
基于文献计量学和社会网络分析的国内高血压病中医学术团队研究
药食兼用真菌蛹虫草的液体发酵培养条件优化
现代优化理论与应用
半Markov决策过程基于灵敏度优化及其应用
基于灵敏度分析的可列状态Markov决策过程的理论研究
基于隐Markov跳变模型的受限系统分析与综合研究
Markov过程、随机点过程与风险理论