基于线性最小方差意义上的最优加权融合算法，针对具有多个传感器和相关噪声的具有三层融合结构的离散时变线性随机控制系统，给出了最优融合固定间隔卡尔曼平滑器。 第一和第二融合层都具有网状平行结构，分别确定任何两个传感器子系统之间的预测和平滑误差的互协方差矩阵。 第三融合层是确定最佳权重并获得最佳融合固定间隔平滑器的融合中心。 推导任何两个传感器子系统之间的平滑误差互协方差矩阵。 将其应用于具有三个传感器的跟踪系统显示了其有效性。

迭代应用的最佳检查点策略 这项工作提供了一种最佳的检查点策略，可以保护迭代应用程序免受故障停止错误的影响。 我们考虑一个非常通用的框架，其中应用程序通过执行连续的迭代来重复相同的执行模式，并且每个迭代都由多个任务组成。 这些任务具有不同的执行长度和不同的检查点成本。 天真的策略和Young / Daly策略都不理想。 我们的主要贡献是证明最佳检查点策略是全局周期性的，并设计一种动态编程算法来计算最佳检查点模式。 这种模式很可能会检查许多不同的任务，并且涉及许多不同的迭代。 通过在综合和实际应用场景中进行的仿真，我们表明，最佳策略明显优于单纯策略和Young / Daly策略。 代码 gen_faults.m生成服从指数分布的故障main_GCR.m为GCR应用程序进行仿真main_gopi.m为神经科学应用程序进行仿真main_random.m对合成应用程序进行仿真Simulation_e

matlab程序（yalmip+cplex）复现自《基于共享储能电站的工业用户日前优化经济调度 ——李淋》 摘 要: 文章提出一种基于共享储能电站的工业用户日前优化经济调度方法。首先提出共享储能电站的概念，分析其商业运营模式。然后将共享储能电站应用到工业用户经济优化调度中，通过协调各用户使用共享储能电站进行充电和放电的功率，实现用户群日运行成本最优。最后以江苏省 3 个工业用户进行算例仿真，与用户不配置储能和用户独立配置储能场景对比，得出引入共享储能电站可以显著降低用户群日运行成本，并对储能电站年服务费收益、静态投资回收年限和投资回报率与共享储能电站服务费定价间的关系做进一步的研究

本文介绍了在线增强Q学习算法，以为未知离散时间线性系统设计H∞跟踪控制器。 构建了由原始系统和命令生成器组成的扩充系统，并引入了折现性能函数，建立了折现博弈代数Riccati方程（GARE）。 提出了GARE解的存在条件，并为折现因子找到了下界，以保证H∞跟踪控制解的稳定性。 然后推导Q函数Bellman方程，在此基础上开发了强化Q学习算法，以在不了解系统动力学的情况下学习H∞跟踪控制问题的解决方案。 提出了状态数据驱动和输出数据驱动的强化Q学习算法来寻找控制策略。 与基于值函数逼近（VFA）的方法不同，事实证明，在满足持久激励（PE）条件的探测噪声下，Q学习方案不会带来Q函数Bellman方程解的偏差，因此，收敛到名义折扣GARE解决方案。 而且，所提出的输出数据驱动方法比状态数据驱动方法更强大，因为在实际应用中可能无法完全测量整个系统的状态。 以单相电压源UPS逆变器为例，验证了所提出的Q学习算法的有效性。

J.A.Fax教授的博士毕业论文 optimal and cooperative control of vehicle formation

离散控制Matlab代码线性离散系统的最优控制 :stopwatch: 用数学模型和MATLAB解决线性离散系统的最优控制 如何使用 您可以在以下位置查看此项目 :seedling: 我们的代码位于“ MATLAB_CODE”文件夹中。 关键字词 QLDR，内点法，DP 贡献者 本文由我们的四人小组撰写。

matlab代码粒子群算法owf-最优布局 海上风电场布局优化 该项目旨在获得海上风电场中涡轮机的最佳布局。 优化问题旨在找到一种布局，在给定固定数量的涡轮机作为输入的情况下，该布局可将发电损失的百分比降至最低。 由于尾流效应，风电场布局对发电产生很大影响，其中上游涡轮机降低了下游涡轮机感知的风速。 该项目是在MATLAB中开发的，考虑了两种优化方法： 遗传算法； 和 多目标粒子群优化（MOPSO）。 该项目考虑了和中的工作。 顶层布局 . ├── Optimization - Genetic Algorithm # All files related to the optimization using GA ├── Optimization - MOPSO # All files related to the optimization using MOPSO ├── Isocontour # All files related to the code implemented to produce wind speed contours └── README.md 考虑的方法 风电场设

Dynamic programming and optimal control Volume 1

Optimal State Estimation 课后上机练习源码，对于理解书中概念有很大帮助

ADiGator，用于提高 GPOPS-II 的计算效率和可靠性。GPOPS-II: In addition to the original sparse finite-differencing method, the user now has the choice of generating derivative source code using the opensource automatic differentiation software ADiGator. (written by Matthew J. Weinstein and available at http://sourceforge.net/projects/adigator).