Problemas de control óptimo: una aproximación mediante redes neuronales

El objetivo de este trabajo es el estudio del comportamiento de las Redes Neuronales (RN) en la resolucion de los problemas de control optimo (PCO) en sistemas no lineales continuos con indices de costo arbitrarios. Presentamos dos metodos que resuelven el PCO para regiones del espacio de estados por medio de optimizacion multietapa a traves de una cadena de RN. Cada RN tiene una estructura multicapa de alimentacion hacia adelante totalmente interconectada y el algoritmo de entrenamiento para la cadena de RN es la Back Propagation (BP). Esta estructura de cadena es diferente para cada metodo asi como los metodos de discretizacion: clasica y de funciones de bloques de pulsos (BPF). En trabajos previos hemos tratado con estos mismos problemas por medio de la programacion dinamica (PD), para la cual hemos encontrado estrategias que reducen la complejidad espacio-temporal. En este trabajo mostraremos las ventajas y desventajas de ambos metodos.