隨機系統(tǒng)最優(yōu)控制

第1章 緒論
1.1 隨機系統(tǒng)最優(yōu)控制的研究歷史與現(xiàn)狀
1.2 隨機系統(tǒng)最優(yōu)控制的研究內(nèi)容
1.3 隨機系統(tǒng)最優(yōu)控制的研究方法
1.4 本書內(nèi)容
第2章 隨機線性系統(tǒng)分析
2.1 引言
2.2 隨機線性系統(tǒng)數(shù)學模型
2.2.1 連續(xù)時間隨機線性系統(tǒng)
2.2.2 離散時間隨機線性系統(tǒng)
2.3 連續(xù)時間隨機線性系統(tǒng)狀態(tài)向量矩
2.3.1 問題描述
2.3.2 沖激響應函數(shù)法
2.3.3 概率矩微分方程
2.4 離散時間隨機線性系統(tǒng)狀態(tài)向量矩
2.5 隨機線性系統(tǒng)狀態(tài)向量分豐函數(shù)
2.5.1 第一特征函數(shù)計算
2.5.2 概率密度函數(shù)計算
第3章 隨機大量線性系統(tǒng)分析
3.1 引言
3.2 隨機非線性系統(tǒng)數(shù)學模型
3.2.1 連續(xù)時間隨機非線性系統(tǒng)
3.2.2 離散時間陰機非線性系統(tǒng)
3.3 隨機非線性系統(tǒng)統(tǒng)計線性化
3.3.1 非線性函數(shù)的一般線性化
3.3.2 非線性函數(shù)的統(tǒng)計線性化
3.3.3 隨機大量線性一系統(tǒng)統(tǒng)計線性化系統(tǒng)模型
3.4 隨機非線性系統(tǒng)的矩分析
3.4.1 沖激響應法
3.4.2 副近概率矩微分方程
3.4.3 離散時間隨機非線性系統(tǒng)狀態(tài)向量的矩
3.5 隨機非線性系統(tǒng)的狀態(tài)向量分布函數(shù)
3.6 狀態(tài)向量分布轉移函數(shù)
3.7 逼近特征函數(shù)
3.8 逼近概率密度函數(shù)
3.9 中心矩及累積量
第4章 隨機線性系統(tǒng)狀態(tài)估計
4.1 引言
4.2 連續(xù)隨機系統(tǒng)卡爾曼濾波
4.3 噪聲信號相關時的線性最優(yōu)濾波器
4.4 帶有有色測量噪聲的線性最優(yōu)濾波器
4.5 帶有慣性測量的最優(yōu)濾波器
4.6 線性最優(yōu)濾波器的一般形式
4.7 線性最優(yōu)預測
4.8 離散時間隨機線性系統(tǒng)最優(yōu)預測
4.8.1 測量噪聲為一般白噪聲情形
4.8.2 慣性測量情形
4.8.3 有色噪聲情形
4.9 離散時間隨機線性系統(tǒng)最優(yōu)預測
第5章 非線性系統(tǒng)最優(yōu)估計
5.1 引言
5.2 后驗概率
5.3 后驗概率密度函數(shù)方程
5.4 大量線性濾波的逼近算法
5.5 高斯逼近法
5.6 條件最優(yōu)濾波器
5.7 逼近條件最優(yōu)濾波器
5.8 準最優(yōu)非線性濾波器
5.8.1 直接線性化法
5.8.2 統(tǒng)計線性化法
5.9 帶有不完全確定參數(shù)的準最優(yōu)非線性濾波器
5.9.1 直接線性化法
5.9.2 隨機線性化法
第6章 隨機系統(tǒng)最優(yōu)控制的一般理論
6.1 引言
6.1.1 問題描述
6.1.2 最優(yōu)準則（最優(yōu)代價函數(shù)）
6.1.3 最優(yōu)控制方法
6.2 隨機最大值原理
6.2.1 隨機系統(tǒng)最優(yōu)控制算法
6.2.2 最短時間控制
6.2.3 終值控制問題
6.2.4 最小能量控制問題
6.3 隨機最大值原理證明
6.3.1 必要性條件證明
6.3.2 充分條件的證明
6.4 隨機系統(tǒng)局部最優(yōu)控制
6.5 離散隨機系統(tǒng)的最大原理
6.6 離散隨機系統(tǒng)動態(tài)規(guī)劃法
6.6.1 完全狀態(tài)信息情形
6.6.2 不完全狀態(tài)信息情形
6.7 連續(xù)時間隨機系統(tǒng)的動態(tài)規(guī)劃
6.7.1 控制時間固定的情形
6.7.2 控制時間不固定的情形
第7章 隨機線性系統(tǒng)最優(yōu)控制
7.1 引言
7.2 控制不受約束情形
7.2.1 問題描述
7.2.2 解析綜合控制算法
7.3 控制受約束情形
7.3.1 問題描述
7.3.2 逼近解析綜合控制算法
7.4 連續(xù)隨機線性系統(tǒng)最優(yōu)控制的動態(tài)規(guī)劃法
7.5 離散時間隨機系統(tǒng)最優(yōu)控制的動態(tài)規(guī)劃法
7.5.1 完全狀態(tài)信息情形
7.5.2 不完全狀態(tài)信息情形
7.6 局部最優(yōu)控制
7.6.1 控制不受約束情形
7.6.2 控制受約束情形
第8章 隨機非線性系統(tǒng)最優(yōu)控制
8.1 引言
8.2 最大值原理
8.2.1 問題提出
8.2.2 準最優(yōu)控制的解析結構
8.3 動態(tài)規(guī)劃法
8.4 局部最優(yōu)控制
8.4.1 控制不受約束情形
8.4.2 控制受約束情形
第9章 基于擴展二次型代價函數(shù)的最優(yōu)控制解析綜合
9.1 擴展二次型代價函數(shù)
9.2 終時固定的隨機非線性系統(tǒng)最優(yōu)控制
9.3 終時不固定的隨機非線性系統(tǒng)最優(yōu)控制
9.4 隨機非線性系統(tǒng)的準最優(yōu)控制
9.4.1 終時固定情形
9.4.2 終時不固定情形
9.5 有控制約束條件的隨機系統(tǒng)最優(yōu)控制
9.5.1隨機線性系統(tǒng)最優(yōu)控制
9.5.2 隨機非線性系統(tǒng)最優(yōu)控制
第10章 隨機系統(tǒng)的最成預測控制
10.1 引言
10.2 終時固定的線性最優(yōu)預測控制
10.2.1 問題描述
10.2.2 最優(yōu)預測控制算法
10.3 終時固定的隨機非線性最優(yōu)預測控制
10.4 終時不固定的隨機最優(yōu)預測控制
10.4.1 終時不固定的隨機線性最優(yōu)預測控制
10.4.2 終時不固定的隨機非線性最優(yōu)預測控制
第11章 隨機控制系統(tǒng)的最優(yōu)參數(shù)估計
11.1 參數(shù)優(yōu)化的任務及方法
11.1.1 引言
11.1.2 參數(shù)優(yōu)化問題的提出
11.2 參數(shù)優(yōu)化的隨機搜索法
11.2.1 隨機搜索法分類
11.2.2 隨機逼近法
11.2.3 帶有線性策略的隨機搜索法
11.3 非梯度隨機搜索法
11.3.1 總是提出
11.3.2 非自學習搜索法
11.3.3 搜索速度
11.3.4 自學習搜索過程
11.4 非梯度搜索解析算法
11.4.1 自學習搜索過程的收斂性
11.4.2 概率矩分析法
11.4.3 自學習搜索過程
11.5 非梯度隨機搜索法在最優(yōu)求解中的應用
11.5.1 問題提出
11.5.2 非自學習隨機搜索法
11.5.3 自學習算法
11.5.4 自學習過程的概率變化
11.5.5 自學習搜索結構圖
11.6 應用實例
11.6.1 定常線性系統(tǒng)的參數(shù)優(yōu)化問題
11.6.2 可調(diào)電路的結構和參數(shù)優(yōu)化問題
11.6.3 導彈自尋的系統(tǒng)的參數(shù)優(yōu)化問題
第12章 隨機控制系統(tǒng)應用實例
12.1 “空一空”導彈最優(yōu)自尋的控制
12.1.1 數(shù)學模型
12.1.2 解析綜合算法
12.2 最優(yōu)無線電測距儀
名詞索引
參考文獻