Tassonomia dell'Integrazione RL-MPC per Sistemi Lineari
Una revisione sistematica della letteratura categorizza le integrazioni di Apprendimento per Rinforzo (RL) e Controllo Predittivo basato su Modello (MPC) per sistemi lineari e linearizzati. Lo studio copre lavori peer-reviewed pubblicati fino al 2025, organizzandoli tramite una tassonomia multidimensionale che include ruoli funzionali di RL, classi di algoritmi RL, formulazioni MPC e strutture di funzioni di costo. L'integrazione mira a combinare l'ottimizzazione strutturata e la gestione dei vincoli di MPC con l'adattamento data-driven di RL sotto incertezza. L'articolo affronta la frammentazione in questo campo in rapida crescita.
Fatti principali
- Revisione Sistematica della Letteratura (SLR) delle integrazioni RL-MPC per sistemi lineari/linearizzati
- Copre studi peer-reviewed e indicizzati pubblicati fino al 2025
- Tassonomia multidimensionale include ruoli funzionali di RL, classi di algoritmi RL, formulazioni MPC, strutture di funzioni di costo
- MPC offre ottimizzazione strutturata, gestione esplicita dei vincoli, strumenti di stabilità
- RL fornisce adattamento data-driven e miglioramento delle prestazioni sotto incertezza e disallineamento del modello
- Il paradigma di integrazione mira al processo decisionale vincolato e al controllo adattivo
- La letteratura rimane frammentata nonostante la rapida crescita
- Articolo pubblicato su arXiv con ID 2604.21030
Entità
Istituzioni
- arXiv