Building Optimization Models from Data for the Intelligent Control Systems

Donskoy V. I. Building Optimization Models from Data for the Intelligent Control Systems // Intellectual Archive, #1708, 2016, - 7 p. In this paper it is shown, how can be synthesized models of the optimal control on the basis of samples or precedents. The proposed BOMD approach is based on empirical induction and directed to obtaining regularities in the form of empirical optimization models which are synthesized in analytical form. We follow the Kolmogorov idea about regularity as non-randomness. This allows us to estimate the probability of non-random model selection from the set of admissible models which are consistent to the sample or to given initial data. The proposed methods and algorithms can be applied to solve wide range of tasks of intelligent control, in particular, in Robotics. В работе показано, как могут быть синтезированы модели оптимального управления на основе данных - прецедентов. Предлагаемый подход базируется на эмпирической индукции и направлен на получение закономерностей в виде эмпирических моделей оптимизации, которые синтезируются в аналитической форме. Использована идея Колмогорова о закономерности как неслучайности. Это позволяет оценить вероятность неслучайного выбора модели из множества допустимых моделей, которые соответствуют исходным эмпирическим данным. Предложенные методы и алгоритмы могут быть применены для решения широкого круга задач интеллектуального управления, в частности, в робототехнике.