换一批状态翻转控制下布尔控制网络的可镇定性和Q学习算法
State-flipped control and Q-learning algorithm for the stabilization of Boolean control networks
摘要在给定一个子集的条件下,本文研究了在状态翻转控制下布尔控制网络的全局镇定问题.对于节点集的给定子集,状态翻转控制可以将某些节点的值从1(或0)变成0(或1).将翻转控制作为控制之一,本文研究了状态翻转控制下的布尔控制网络.将控制输入和状态翻转控制结合,提出了联合控制对和状态翻转转移矩阵的概念.接着给出了状态翻转控制下布尔控制网络全局稳定的充要条件.镇定核是最小基数的翻转集合,本文提出了一种寻找镇定核的算法.利用可达集的概念,给出了一种判断全局镇定和寻找联合控制对序列的方法.此外,如果系统是一个大型网络,则可以利用一种名为Q学习算法的无模型强化学习方法寻找联合控制对序列.最后给出了一个数值例子来说明本文的理论结果.
更多相关知识
关键词
布尔控制网络半张量积状态翻转控制全局镇定性Q学习算法Boolean control networkssemi-tensor productstate-flippped controlglobal stabilizationQ-learning algorithm
DOI
10.7641/CTA.2021.10795
发布时间
2022-01-05（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
