隐Markov过程的性能灵敏度分析与优化

本项目研究隐Markov过程性能灵敏度分析和优化问题，将Markov过程的性能势概念引入隐Markov过程，建立相应的性能灵敏度分析理论、在线估计算法,并运用基于事件优化的方法建立隐Markov过程的优化理论框架。利用Markov性能势可以基于一条样本轨道估计的特性，建立隐Markov过程性能灵敏度的估计理论，并结合仿真优化、随机逼近技术以及基于事件优化的方法，建立隐Markov过程的优化理论，这是一种直接优化技术。目前隐Markov决策过程的研究主要运用动态规划技术，但由于存在维数灾问题，使得现有计算机的运算能力很难适应该类系统的实时在线优化。本项目建立基于事件的直接优化技术是基于系统的一条观测样本轨道，可以在线的修整系统的参数或进行决策，并不断地改进系统的性能。