Hamilton-Jacobi-Bellman-vergelijking
De Hamilton-Jacobi-Bellman (HJB)-vergelijking is een partiële differentiaalvergelijking die de optimale "cost-to-go"-functie in dynamische programmering karakteriseert. Ontwikkeld door Bellman in 1957, biedt HJB zowel noodzakelijke als voldoende voorwaarden voor optimaliteit, wat elegante theoretische analyse en numerieke oplossingen voor optimale besturingsproblemen mogelijk maakt. HJB is fundamenteel voor "reinforcement learning", benaderende dynamische programmering en real-time besturing.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
Deze pagina citeren
ScholarGate. (2026, June 3). Hamilton-Jacobi-Bellman Equation. ScholarGate. https://scholargate.app/nl/control-theory/hamilton-jacobi-bellman-equation
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Lineaire Kwadratische RegulatorRegeltechniek↔ vergelijken
- Modelvoorspellende RegelingRegeltechniek↔ vergelijken
- Pontryagin Maximum PrincipleRegeltechniek↔ vergelijken
Geciteerd door
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →