Control cuadrático lineal adaptativo utilizando iteración de políticas

En este artículo presentamos los resultados de estabilidad y convergencia para el aprendizaje por refuerzo basado en programación dinámica aplicado a la regulación cuadrática lineal (LQR). El algoritmo específico que analizamos se basa en Q-learning y se ha demostrado que converge a un controlador óptimo, siempre que el sistema subyacente sea controlable y un vector de señal particular esté persistentemente excitado. Este es el primer resultado de convergencia para algoritmos de aprendizaje por refuerzo basados en programación dinámica para un problema continuo.