大规模不确定性半Markov系统基于性能势的鲁棒控制和神经元动态规划优化

半Markov决策过程（SMDP）描述的一类实际人造系统，即受控半Markov系统，具有状态空间规模大和模型参数不确定性两个重要特点，存在"建模难"和"维数灾"问题。项目首先针对参数不确定性，运用最新的SMDP性能势理论，研究参数相关和不相关两种情况下，求解最优鲁棒控制策略的有关理论和算法；其次，针对"维数灾"和"建模难"情形，本项目把SMDP性能势理论和先进的神经元动态规划（NDP）方法有机结合，根据系统的单个样本轨道，研究基于Monto-Carlo仿真、TD学习和Q学习的NDP优化理论和算法。针对折扣性能准则和平均性能准则，将给出统一的理论框架和算法；参数空间或策略空间的探索中，将融入进化算法或模拟退火算法等全局搜索方法；同时给出并行算法；建立存在计算误差、不确定性误差、估计偏差或逼近误差时的最优性能误差界。研究结果对改进系统设计、提供鲁棒决策机制、提高系统的管理水平具有一定科学意义。