ScholarGate
Asistent
Machine learningOptimal Control

Rovnice Hamiltona-Jacobiho-Bellmana

Rovnice Hamiltona-Jacobiho-Bellmana (HJB) je parciální diferenciální rovnice charakterizující optimální nákladovou funkci (cost-to-go) v dynamickém programování. HJB, vyvinutá Bellmanem v roce 1957, poskytuje nutné i postačující podmínky optimality, což umožňuje elegantní teoretickou analýzu a numerické řešení úloh optimálního řízení. HJB je základem pro zpětnovazební učení (reinforcement learning), aproximativní dynamické programování a řízení v reálném čase.

Otevřít v MethodMindJiž brzyApply, compare, get guidance
Tools & resources
Stáhnout prezentaci
Learn & explore
VideoJiž brzy

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Mapa metod

Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.

Zdroje

  1. Bellman, R. (1957). Dynamic Programming. Princeton University Press. link
  2. Kirk, D. E. (2004). Optimal Control Theory: An Introduction (2nd ed.). Dover Publications. link

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Hamilton-Jacobi-Bellman Equation. ScholarGate. https://scholargate.app/cs/control-theory/hamilton-jacobi-bellman-equation

Která metoda?

Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.

Porovnat vedle sebe

Odkazuje sem

ScholarGateHamilton-Jacobi-Bellman Equation (Hamilton-Jacobi-Bellman Equation). Získáno 2026-06-17 z https://scholargate.app/cs/control-theory/hamilton-jacobi-bellman-equation · Datová sada: https://doi.org/10.5281/zenodo.20539026