基于控制算法的优化迭代学习和收敛性研究

摘要

迭代学习管理(ILM)方法独立于模型迭代的控制,使用有关多个重复错误的信息,用来建立目标动作的优化,以获得最佳的迭代学习层.该算法将P ID控制器引入到复位变量优化算法的设计中,整体的计算速度更快、更准确,节约使用者的时间.其方法用于重新评估系统的数组并达到目标,该操作可优化研究收益.该算法不仅简化牛顿逆过程的复杂性,而且具有一致退化和全局收敛的特点.