機器學習控制

機器學習控制（MLC）是機器學習、智能控制和控制理論的一個子領域，它用機器學習的方法解決最優控制問題。主要應用于線性控制理論方法不適用的復雜非線性系統。

常見的有四類問題。控制參數識別。如果控制法的結構已經給定，但參數未知，MLC就轉化為參數識別。一個例子是優化PID控制器系數的遺傳算法或離散時間最優控制。作為xxx類回歸問題的控制設計。如果每個狀態的傳感器信號和最佳執行命令都是已知的，MLC近似于一個從傳感器信號到執行命令的一般非線性映射。一個例子是計算來自已知全狀態反饋的傳感器反饋。神經網絡是這項任務的常用技術。控制設計是第二種回歸問題。MLC也可以識別任意的非線性控制法，使工廠的成本函數最小。

在這種情況下，既不需要知道模型、控制法結構，也不需要知道優化的執行命令。優化只基于在工廠中測量的控制性能（成本函數）。遺傳編程是一個強大的回歸技術，用于這一目的。強化學習控制。控制法可以通過使用強化學習對測量的性能變化（獎勵）進行持續更新。MLC包括，例如，神經網絡控制、基于遺傳算法的控制、遺傳編程控制、強化學習控制，并與其他數據驅動的控制，如人工智能和機器人控制在方法上有重疊。

MLC已經成功地應用于許多非線性控制問題，探索未知的、往往是意想不到的執行機制。