ScholarGate
Asystent
Machine learningOptimal Control

Równanie Hamiltona-Jacobiego-Bellmana

Równanie Hamiltona-Jacobiego-Bellmana (HJB) jest równaniem różniczkowym cząstkowym charakteryzującym optymalną funkcję kosztu do przejścia w programowaniu dynamicznym. Opracowane przez Bellmana w 1957 roku, HJB dostarcza zarówno warunków koniecznych, jak i wystarczających optymalności, umożliwiając elegancką analizę teoretyczną i rozwiązania numeryczne dla problemów optymalnego sterowania. HJB jest fundamentalne dla uczenia przez wzmacnianie, aproksymacyjnego programowania dynamicznego i sterowania w czasie rzeczywistym.

Otwórz w MethodMindWkrótceApply, compare, get guidance
Tools & resources
Pobierz slajdy
Learn & explore
WideoWkrótce

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Mapa metod

Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.

Źródła

  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 cytować tę stronę

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

Która metoda?

Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.

Porównaj obok siebie

Cytowana przez

ScholarGateHamilton-Jacobi-Bellman Equation (Hamilton-Jacobi-Bellman Equation). Pobrano 2026-06-17 z https://scholargate.app/pl/control-theory/hamilton-jacobi-bellman-equation · Zbiór danych: https://doi.org/10.5281/zenodo.20539026