不確定環(huán)境的優(yōu)化控制算法的研究與應用.pdf

1、溫室控制是設施農(nóng)業(yè)的關鍵技術,如何以最經(jīng)濟有效的方式控制溫室環(huán)境達到滿意效果,是溫室技術的一個關鍵而又薄弱的技術環(huán)節(jié).溫室氣候環(huán)境的控制是一種復雜的多輸入多輸出的、非線性的、強耦合的系統(tǒng)控制,溫室氣候控制的特點具有滯后性和非精確性. 目前溫室氣候控制中主要采用的方法有PID法、神經(jīng)網(wǎng)絡法和模糊控制法等,這些方法對不確定環(huán)境的控制具有一定的局限性.該文提出了一種基于范例學習(CBL)和強化學習結合的優(yōu)化控制算法,以實現(xiàn)對不確定環(huán)境的優(yōu)化控

2、制. 針對Q-學習的計算復雜度較高,并且在與環(huán)境交互時進行的試錯可能造成風險損失,因此,該論文根據(jù)作物的生長需求對環(huán)境狀態(tài)進行分割,減少狀態(tài)—動作對的數(shù)量,降低Q-學習的復雜度.基于案例的學習與Q-學習的結合,一方面可以使案例庫隨著學習過程的進行而增量式地擴大,同時,案例庫中的相關案例可以指導控制系統(tǒng)對不確定環(huán)境的學習過程.不僅減少了Q-學習的計算復雜度,而且也降低了試錯造成的風險. 該文提出的不確定環(huán)境的優(yōu)化控制算法用來解決溫室綜合環(huán)