Buchumschlag

The State-Dependent Riccati Equation in Nonlinear Optimal Control: Analysis, Error Estimation and Numerical Approximation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Saluzzi, Luca
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Numerical Analysis Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Approximation of Algebraic Riccati Equations with Generators of Noncompact Semigroups
von: Cheung, James
Veröffentlicht: (2022)

On the Approximation of Operator-Valued Riccati Equations in Hilbert Spaces
von: Cheung, James
Veröffentlicht: (2023)

Proximal Gradient-based Low Rank Tensor Decomposition for State Dependent Riccati Equation
von: Jiang, Jiahua, et al.
Veröffentlicht: (2026)

A comparison study of supervised learning techniques for the approximation of high dimensional functions and feedback control
von: Oster, Mathias, et al.
Veröffentlicht: (2024)

Error Analysis of Sampling Algorithms for Approximating Stochastic Optimal Control
von: Joshi, Anant A., et al.
Veröffentlicht: (2025)

State Dependent Riccati for dynamic boundary control to optimize irrigation in Richards' Equation framework
von: Alla, Alessandro, et al.
Veröffentlicht: (2024)

Numerical Solution of the $L^1$-Optimal Transport Problem on Surfaces
von: Berti, Luca, et al.
Veröffentlicht: (2021)

Error Estimates of the Gain Approximation by Hermite-Galerkin Method in Feedback Particle Filter
von: Wang, Ruoyu, et al.
Veröffentlicht: (2026)

A Framework for Approximating Perturbed Optimal Control Problems
von: Link, Riley, et al.
Veröffentlicht: (2024)

An Error Analysis of Second Order Elliptic Optimal Control Problem via Hybrid Higher Order Methods
von: Mallik, Gouranga, et al.
Veröffentlicht: (2025)

Computational Control of Nonlinear Partial Differential Equations Using Machine Learning
von: Kurbanov, Maximilian, et al.
Veröffentlicht: (2026)

Optimal Control using Composite Bernstein Approximants
von: MacLin, Gage, et al.
Veröffentlicht: (2024)

On the existence of extremal solutions for the conjugate discrete-time Riccati equation
von: Chiang, Chun-Yueh
Veröffentlicht: (2024)

Numerical Analysis on Neural Network Projected Schemes for Approximating One Dimensional Wasserstein Gradient Flows
von: Zuo, Xinzhe, et al.
Veröffentlicht: (2024)

Hierarchical Network Partitioning for Solution of Potential-Driven, Steady-State Nonlinear Network Flow Equations
von: Srinivasan, Shriram, et al.
Veröffentlicht: (2024)

A Priori Error Estimation of Physics-Informed Neural Networks Solving Allen--Cahn and Cahn--Hilliard Equations
von: Zhang, Guangtao, et al.
Veröffentlicht: (2024)

Convergence analysis of Lie and Strang splitting for operator-valued differential Riccati equations
von: Hansen, Eskil, et al.
Veröffentlicht: (2025)

Kernel-Based LMI Approaches to Solving the Hamilton-Jacobi-Bellman Equation and Nonlinear Optimal Control
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

Dynamical Low-Rank Approximation Strategies for Nonlinear Feedback Control Problems
von: Saluzzi, Luca, et al.
Veröffentlicht: (2025)

Scalable Approximate Optimal Diagonal Preconditioning
von: Gao, Wenzhi, et al.
Veröffentlicht: (2023)

On the data-sparsity of the solution of Riccati equations with applications to feedback control
von: Massei, Stefano, et al.
Veröffentlicht: (2024)

Efficient Solution of State-Constrained Distributed Parabolic Optimal Control Problems
von: Löscher, Richard, et al.
Veröffentlicht: (2024)

Newton's Method Applied to Nonlinear Boundary Value Problems: A Numerical Approach
von: Freire, Rusdrael Antony de Araújo, et al.
Veröffentlicht: (2024)

Numerical Methods for Shape Optimal Design of Fluid-Structure Interaction Problems
von: Haubner, Johannes, et al.
Veröffentlicht: (2024)

On the Crouzeix-Raviart Finite Element Approximation of Phase-Field Dependent Topology Optimization in Stokes Flow
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Control, Optimal Transport and Neural Differential Equations in Supervised Learning
von: Phung, Minh-Nhat, et al.
Veröffentlicht: (2025)

A reduced-order model for parametrized Optimal Transport problems
von: Bonnet-Weill, Elise, et al.
Veröffentlicht: (2026)

On the numerical stability of discretised Optimal Control Problems
von: Bijalwan, Ashutosh, et al.
Veröffentlicht: (2023)

Mean Field Games for Controlling Coherent Structures in Nonlinear Fluid Systems
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

Elliptic Reconstruction and A Posteriori Error Estimates for Parabolic Variational Inequalities
von: Antil, Harbir, et al.
Veröffentlicht: (2024)

Smoothed Moreau-Yosida Tensor Train Approximation of State-constrained Optimization Problems under Uncertainty
von: Antil, Harbir, et al.
Veröffentlicht: (2023)

From Few-Shot Optimal Control to Few-Shot Learning
von: Chertovskih, Roman, et al.
Veröffentlicht: (2025)

Structure-Preserving Optimal Control of Maxwell's Equations with Applications to Source Cloaking
von: Antil, Harbir, et al.
Veröffentlicht: (2026)

Method of Successive Approximations for Stochastic Optimal Control: Contractivity and Convergence
von: Taoufik, Safouane, et al.
Veröffentlicht: (2024)

Cayley Commutator-free Methods for Krotov-Type Algorithms in Quantum Optimal Control
von: Wembe, Boris, et al.
Veröffentlicht: (2026)

Approximate Vertex Enumeration
von: Löhne, Andreas
Veröffentlicht: (2020)

Nyström Approximation on Manifolds
von: Nie, Hantao, et al.
Veröffentlicht: (2026)

Convergence Analysis of an Adaptive Nonconforming FEM for Phase-Field Dependent Topology Optimization in Stokes Flow
von: Jin, Bangti, et al.
Veröffentlicht: (2025)

Application of quasi-Monte Carlo in Mine Countermeasure Simulations with a Stochastic Optimal Control Framework
von: Blondeel, Philippe, et al.
Veröffentlicht: (2025)

Computation and Control of Unstable Steady States for Mean Field Multiagent Systems
von: Bicego, Sara, et al.
Veröffentlicht: (2024)