@PHDTHESIS{ 2014:180248435,
 	title = {Aprendizagem por Reforço e Programação Dinâmica Aproximada para Controle Ótimo: Uma Abordagem para o Projeto Online do Regulador Linear Quadrático Discreto com Programação Dinâmica Heurística Dependente de Estado e Ação.},
 	year = {2014},
 	url = "http://tedebc.ufma.br:8080/jspui/handle/tede/1879",
 	abstract = "Apresenta-se nesta tese uma proposta de uma abordagem uni cada de teorias
 de programação dinâmica, aprendizagem por reforço e aproximação de função
 que tem por objetivo o desenvolvimento de métodos e algoritmos para projeto
 online de sistemas de controle ótimo. Esta abordagem é apresentada no contexto
 de programação dinâmica aproximada que permite aproximar a solução de realimentação ótima de modo a reduzir a complexidade computacional associada com
 métodos convencionais de programação dinâmica para controle ótimo de sistemas
 multivariáveis. Especi camente, no quadro de programação dinâmica heurística e
 programação dinâmica heurística dependente de ação, esta proposta é orientada
 para o desenvolvimento de soluções aproximadas online, numericamente estáveis,
 da equação de Hamilton-Jacobi-Bellman do tipo Riccati associada ao problema
 do regulador linear quadrático discreto que tem por base uma formulação que
 combina estimativas da função valor por meio de uma estrutura RLS (do inglês
 Recursive Least-Squares), diferenças temporais e melhorias de política. O desenvolvimento das metodologias propostas, neste trabalho, tem seu foco principal
 voltado para a fatoração UDU T que é inserida neste quadro para melhorar o processo de estimação RLS de políticas de decisão ótimas do regulador linear quadrá-
 tico discreto, contornando-se problemas de convergência e estabilidade numérica
 relacionados com o mal condicionamento da matriz de covariância da abordagem
 RLS.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}