Machine learningOptimal Control

汉密尔顿-雅可比-贝尔曼方程

汉密尔顿-雅可比-贝尔曼（HJB）方程是动态规划中最优成本函数的一个偏微分方程。由贝尔曼于1957年提出，HJB方程为最优性提供了必要和充分条件，能够对最优控制问题进行优雅的理论分析和数值求解。HJB方程是强化学习、近似动态规划和实时控制的基础。

在 MethodMind 中打开即将推出Apply, compare, get guidance

Tools & resources

下载幻灯片

Learn & explore

视频即将推出

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

汉密尔顿-雅可比-贝尔曼方程

线性二次调节器模型预测控制庞特里亚金最大值原理

来源

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

如何引用本页

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

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

被引用于

线性二次调节器模型预测控制庞特里亚金最大值原理

Related reference concepts

最优控制马尔可夫决策过程强化学习哈密顿-雅可比理论序贯决策（马尔可夫决策过程）哈密顿系统（变分）

发现本页有问题？报告或提出修改建议 →

阅读完整方法

方法图谱

来源

如何引用本页

相关方法

选用哪种方法？

被引用于

Similar methods

Related reference concepts