Output feedback stable stochastic predictive control with hard control constraints
针对离散线性定常系统，提出了一种不完全状态信息下的随机预测控制器。我们的方法是基于一个合适的选择的控制策略，稳定性约束，并雇用一个卡尔曼滤波器来估计不完整和腐败的观察系统的状态。我们证明，这种方法产生了一个计算上容易处理的问题，应该定期在线解决，所得到的闭环系统是均方有界的任何正界的控制行动。我们的研究结果允许一个解决最大的一类线性定常系统已知的服从随机稳定有界控制行动通过输出反馈随机预测控制。
2018-02-26 math.OC
A dual-control effect preserving formulation for nonlinear output-feedback stochastic model predictive control with constraints
提出了一种近似约束非线性输出反馈随机模型预测控制的设计方法。从理想的，但棘手的随机最优控制问题（OCP），其中涉及输出依赖的政策的优化，我们使用线性化的不确定性，得到一个易于处理的近似，其中包括知识的输出模型。这使我们能够精确地计算OCP外部函数的期望值。至关重要的是，这种近似保留了双重控制效应。因此，所得到的控制器知道输入的选择如何影响未来可用的信息，这反过来又影响随后的控制。
2023-01-09 math.OC
Chance Constrained Covariance Control for Linear Stochastic Systems With Output Feedback
我们考虑的问题转向，通过输出反馈，状态分布的离散时间，线性随机系统从初始高斯分布的终端高斯分布与规定的均值和最大协方差，受概率路径约束的状态。通过卡尔曼滤波器获得滤波状态，并将问题表示为根据滤波状态的分布的确定性凸规划。我们观察到，在状态协方差存在约束的情况下，与经典的线性二次高斯（LQG）控制相比，最优反馈控制同时依赖于过程噪声和观测模型。最后通过数值算例验证了该方法的有效性。
2020-09-10 math.OC
Dynamic Team Theory of Stochastic Differential Decision Systems with Decentralized Noiseless Feedback Information Structures via Girsanov's Measure Transformation
本文在具有分散无噪声反馈信息结构的随机微分决策系统的背景下，将静态团队理论推广到动态团队理论。我们应用Girsanov定理将初始随机动态团队问题转化为一个等价的团队问题，在一个参考概率空间下，状态过程和信息结构独立于任何团队决策。随后，我们表明，在一定的条件下，连续时间和离散时间随机动态团队问题，可以转化为等价的静态团队问题，虽然使用这种方法计算最优的团队策略可能是计算密集型的。因此，我们提出了一种替代方法，通过推导团队和个人的人（PbP）的最优性条件，通过随机庞特里亚金的最大值原理，包括向前和向后的随机微分方程，和一组条件变分哈密顿相对于团队成员的信息结构。最后，我们将倒向随机微分方程与随机队问题的值过程联系起来。
2013-10-05 math.OC
Causal feedback strategies for controlled stochastic Volterra systems: a unified treatment
本文针对随机Volterra积分方程线性二次控制问题现有研究零散的问题，提出基于新Riccati系统的最优因果反馈策略，定义了全新函数空间与乘法规则，统一并拓展了多类Volterra相关方程的控制理论结论。
2024-12-12 math.OC
Exact Feedback Linearization of Stochastic Control Systems
本文研究随机单输入单输出仿射控制动力系统的精确线性化方法。这些系统被定义为欧几里得空间中的向量场三元组。目标是找到一个给定的非线性随机系统，可逆变换的组合，将系统转换成可控的线性型。当然，对于大多数非线性系统，这种变换是不存在的。我们的重点是线性化的状态坐标变换结合反馈。伊藤和Stratonovich系统之间的差异被强调。此外，我们定义了三种类型的线性随机系统-g-线性，σ-线性，和g σ-线性。研究了随机精确线性化问题的六种变形。最有用的问题--Ito-gsigma线性化的解决使用的校正项，这被证明是一个非常有用的工具，伊藤系统。结果示出了一个数值例子解决的帮助下，符号代数。
2002-11-25 math.OC
Approximative Policy Iteration for Exit Time Feedback Control Problems driven by Stochastic Differential Equations using Tensor Train format
考虑了一类随机最优退出时间反馈控制问题。Bellman方程是通过一系列线性方程在多项式空间上的策略迭代算法近似求解的。由于需要高次多项式，相应的方程即使在中等维数下也会遭受维数灾难。我们采用张量训练方法来解决这个问题。策略迭代中的近似过程是通过最小二乘法完成的，积分是通过蒙特卡罗方法完成的。给出了（多维）双阱势和三孔势的数值证据。
2020-10-09 math.OC
Opinion Dynamics Steering using Stochastic Search
在本文中，我们应用随机搜索动态最优化框架，在一个部分活跃的人口转向意见动态。该框架基于随机最优化理论，并依赖于从指数族分布中抽取候选解。我们推导出开环，反馈和一种新的自适应反馈策略的分布参数更新。所有这三个政策进行了测试，在两个不同的意见动态转向模拟方案，并与手设计的反馈政策进行比较。结果表明，意见动态控制框架的有效性和自适应反馈策略的主动代理集大小的鲁棒性。
2022-04-06 math.OC
Stochastic Optimal Feedforward-Feedback Control for Partially Observable Sensorimotor Systems
Université Paris-Saclay（巴黎萨克雷大学）；Inria（法国国家数字与信息系统研究院）；CIAMS（数学交叉研究中心）；ENSTA（国立高等先进技术学院）；Institut Polytechnique de Paris（巴黎理工学院）
本文提出了一种随机最优前馈-反馈控制框架，用于部分可观测的本体感觉运动系统，通过统计线性化将随机问题转化为确定性优化，揭示肌肉协同收缩的最优适应机制。
2026-03-05 math.OC
A stochastic output-feedback MPC scheme for distributed systems
本文针对具有加性过程和测量噪声的分布式系统，提出了一种新的随机输出反馈预测控制方案。利用概率可达集的概念处理机会约束，在扰动分布的单峰性假设下，保证闭环系统满足概率可达集。通过将最优化问题的初态以可行性为条件，保证了递归可行性的基本性质。闭环机会约束满足，递归的可行性和收敛到一个渐近平均成本界。最后，本文以三个相互关联的子系统为例，突出了与集中式设置相比的机会约束满意度和平均成本。
2023-03-06 math.OC
Computing stabilizing feedback gains for stochastic linear systems via policy iteration method
本文提出一种基于策略迭代的无模型强化学习算法，通过求解一系列折扣随机线性二次最优控制问题并逐步减小折扣因子，在有限步内为未知系统矩阵的随机线性时不变系统计算镇定反馈增益。
2025-08-07 math.OC
Particle Model Predictive Control: Tractable Stochastic Nonlinear Output-Feedback MPC
我们将条件状态密度构造与随机模型预测控制的场景方法扩展到非线性系统，得到一种新的基于粒子的随机非线性输出反馈模型预测控制。给定噪声测量数据的条件密度通过粒子滤波器传播，作为贝叶斯滤波器的近似实现。这使得条件状态密度或信息状态的基于粒子的表示能够自然地与从当前系统状态生成的场景合并。这种方法试图解决一般非线性随机最优控制的计算易处理性问题。粒子滤波器和方案的方法被证明是完全兼容的，并-基于时间和测量更新阶段的粒子滤波器-纳入未来的控制序列的优化。一个数值例子，并检查的依赖性的解决方案和计算负担的采样配置的密度，场景生成和优化视野。
2017-04-25 math.OC
Linear-Quadratic Optimal Controls for Stochastic Volterra Integral Equations: Causal State Feedback and Path-Dependent Riccati Equations
研究一类正向随机Volterra积分方程（FSVIE）的线性二次型最优控制问题.在通常的凸性条件下，开环最优控制是存在的，它可以用最优性系统、FSVIE和Type-II后向SVIE（BSVIE，简称）的耦合系统来表征。为了得到开环最优控制的因果状态反馈表示，引入了算子值函数的路径依赖Riccati方程，通过该方程可以解耦最优性系统.在解耦过程中，引入了一个III型BSVIE，其自适应解可以用来表示相应II型BSVIE的自适应M解。在一定条件下，证明了路径依赖的Riccati方程存在唯一解，即找到了最优系统的解耦域，从而构造了开环最优控制的因果状态反馈表示.另一个有趣的发现是，当控制只出现在扩散项，而不是在状态系统的漂移项，因果状态反馈减少到马尔可夫状态反馈。
2022-04-19 math.OC
Stochastic receding horizon control with output feedback and bounded control inputs
针对具有有界控制输入和不完美状态测量的随机离散时间系统，给出了滚动时域控制问题的一种解决方案。对于一个合适的控制策略的选择，我们证明了有限时域最优化问题在线求解是凸的和连续可行的。由于反馈回路的固有非线性，利用卡尔曼滤波器的轻微扩展来估计状态最优均方意义。我们表明，所得到的控制政策的实施，使整个系统的状态下温和的假设下均方有界。最后，我们讨论了如何离线计算有限时间最优化问题所需的一些量，以减少在线计算，并给出了一些数值例子。
2010-04-14 math.OC
Linear-Quadratic Stochastic Stackelberg Differential Games for Jump-Diffusion Systems
研究了具有随机系数的跳扩散系统的线性二次（LQ）随机主从Stackelberg微分对策.首先利用随机最大值原理求解了跟随器的LQ问题，得到了开环最优解的状态反馈表示形式，即积分随机里卡蒂微分方程（ISRDE），并通过平方完备化方法证明了状态反馈型控制是最优的.其次，我们利用变分方法建立了领导者的不定LQ随机最优控制问题的随机最大值原理。然而，为了获得领导者的开环解的状态反馈表示，由于跳跃过程，存在技术挑战。为了克服这一限制，我们考虑两种不同的情况下，其中的状态反馈型最优控制的领导人在ISRDE可以概括的四步计划的特点。最后，在这两种情况下，我们表明，状态反馈表示的开环最优解的领导者和追随者构成的Stackelberg均衡。注意，领导者的（不确定）LQ控制问题是新的和非平凡的，由于耦合FBBACK约束引起的理性行为的追随者。
2020-10-06 math.OC
Random periodic solutions of nonautonomous stochastic feedback systems with multiplicative noise
研究了带乘性噪声的非自治随机反馈系统的拉回轨线的动力学行为。证明了该系统存在一个随机周期解，且当时间趋于无穷时，所有拉回轨线几乎必然收敛于该随机周期解。我们的结果可应用于非自治的随机Goodwin负反馈系统、非自治的随机Othmer-Tyson正反馈系统和非自治的随机竞争系统等。
2022-03-16 math.DS math.OC math.PR
Online Feedback Optimization for Constrained Stochastic Problems with Decision-Dependent Distributions
Boston University（波士顿大学）
针对决策影响随机参数分布的约束随机优化问题，提出一种投影原始-对偶算法，使用替代对偶约束集，并给出均方跟踪误差上界，分解为随机性、测量误差、时变性和约束集不匹配四项。
2026-10-23 math.OC
An efficient numerical algorithm for solving data driven feedback control problems
本文的目的是数值求解一类随机最优控制问题，其中状态过程由一个伊藤型随机微分方程控制，控制过程同时进入漂移和扩散，并且是部分可观测的.根据已有的观测资料确定了反馈形式的最优控制。我们把这种类型的控制问题称为数据驱动的反馈控制。我们引入的计算框架来解决这类问题的目的是找到最优控制的最佳估计作为给定观测信息的条件期望。为了使我们的方法在提供及时的反馈控制系统的数据是可行的，我们开发了一个有效的随机最优化算法来实现我们的计算框架。
2020-06-04 math.OC
Output feedback stochastic MPC with packet losses
本文考虑了在有耗信道上传输的带有随机附加干扰和噪声测量的约束线性系。我们提出了一个模型预测控制（MPC）法，最大限度地减少了折扣的期望约束的折扣成本。假设传感器数据以已知的概率丢失，并且通过将预测的控制策略表示为未来观测的仿射函数来解释数据丢失，这导致凸最优控制问题。在线约束收紧技术确保了在线优化的递归可行性和期望约束的满足，而不受噪声和干扰输入分布的限制。沿着闭环系统的轨迹评估的成本被证明是有界的最佳预测成本。最后给出了一个数值例子来说明这些结果。
2020-05-06 math.OC
Advances in Stabilisation of Hybrid Stochastic Differential Equations by Delay Feedback Control
针对混合随机微分方程（HSDEs），提出了一种基于过去状态的反馈控制设计方法。这个新定理建立了时滞反馈控制与无时滞项的控制函数之间的联系，使得人们可以利用已有的关于HSDES稳定性的结果构造时滞反馈控制.研究了确定时滞长度上界的方法。数值模拟证明了新的定理。
2019-07-28 math.OC math.PR
Implementation of Bilinear Hamiltonian Interactions between Linear Quantum Stochastic Systems via Feedback
最近的一些工作采用线性量子随机系统（LQSS）之间的双线性哈密顿相互作用。与物理系统之间自然发生的哈密顿相互作用相反，这种相互作用必须被设计。在这项工作中，我们提出了一个简单的模型，通过反馈互连实现两个给定的LQSS之间的任意双线性相互作用。
2016-11-22 math.OC quant-ph
Optimal Feedback for Stochastic Linear Quadratic Control and Backward Stochastic Riccati Equations in Infinite Dimensions
这是一个长期未解决的问题，以表征一般SLQ的最佳反馈（即，随机线性二次控制问题）的随机系数在无限维;而同样的问题，但在有限维刚刚解决在最近的工作[36]。本文致力于给出一个解决这个问题的一些假设下，可以验证几个有趣的具体模型。更确切地说，在这些假设下，我们建立了无限维SLQ的最优反馈算子的存在性和相应的算子值，向后随机Riccati方程的可解性之间的等价性。这项工作的一个关键贡献是引入了一个合适的解决方案的概念（即，转置解上述Riccati方程），这在陈述和证明我们的主要结果中起着至关重要的作用。
2019-10-13 math.OC math.PR
Approximation of Optimal Feedback Controls for Stochastic Reaction-Diffusion Equations
Technische Universität Berlin（柏林工业大学）
本文提出一种近似随机反应扩散方程最优反馈控制的方法，推导了两个理论结果并提供误差估计，通过神经网络应用示例展示其有效性。
2023-08-11 math.OC math.PR
Linear-quadratic stochastic Volterra controls I: Causal feedback strategies
本文研究了奇异非卷积系数SVIEs线性二次控制中的因果反馈策略，证明闭环系统解的唯一性，并引入两种新方程建立二次泛函的对偶原理与表示公式。
2023-02-20 math.OC math.PR
The existence of optimal feedback controls for stochastic dynamical systems with regime-switching
在这项工作中，我们提供了明确的条件存在的最佳反馈控制的随机过程的状态切换。我们使用紧化方法，它需要较少的正则性条件的系数所研究的随机系统。考虑了两种不同的控制：一种是对扩散过程系数的控制，另一种是对连续时间马尔可夫链转移率矩阵的控制。在证明了价值函数的连续性后，建立了动态规划原理。
2020-01-13 math.OC math.PR
Application of Quantum Stochastic Calculus to Feedback Control
介绍了Hudson-Parthasarathy量子随机微积分和Accardi-Fagnola-Quaegebeur表示自由随机微积分的基本方面。本文叙述了Accardi-Boukas最近提出的白噪声平方随机微积分的基本特征。解决了由量子噪声驱动的随机过程的反馈控制问题
2013-08-07 math-ph math.MP math.OC
Stabilization of stochastic McKean-Vlasov equations with feedback control based on discrete-time state observation
本文研究了基于离散时间状态观测的随机McKean-Vlasov方程（SMVE）在反馈控制下解的稳定性。利用一个特定的李雅普诺夫函数，得到了受控系统解的$H_{\infty}$稳定性、渐近稳定性和均方指数稳定性.由于解的分布很难被观察到，我们研究了相应的粒子系统，可以观察到的反馈控制。证明了控制系统的指数稳定性等价于相应粒子系统的指数稳定性。最后通过算例验证了该理论的有效性。
2021-10-22 math.OC math.PR
Stochastic optimization for learning quantum state feedback control
高保真态制备是量子技术应用中的一个基本挑战。虽然大多数最优控制方法使用反馈来改进控制器，但控制器本身通常不包含显式状态依赖。在这里，我们提出了一个通用框架，用于训练具有量子非破坏测量的开放量子系统的深度反馈网络，该框架允许多种系统和控制结构，这些结构被许多其他技术禁止，并且实际上可以通过非线性滤波对未建模效应做出反应。我们证明了这种方法是有效的，由于固有的并行性，开放系统的相互作用，鲁棒性，并在仿真中优于地标状态反馈控制结果。
2021-11-18 math.OC quant-ph
Convergence Analysis for A Stochastic Maximum Principle Based Data Driven Feedback Control Algorithm
本文对一种基于部分含噪观测数据生成在线控制的新型数据驱动反馈控制算法进行了收敛性分析，该算法结合了粒子滤波状态估计与随机最大原理求解器，并理论推导得出优化过程的弱收敛结果，最后通过数值实验验证了相关理论。
2024-05-30 cs.NA math.NA math.OC
Stochastic Sequential Feedback Optimization for Wind Farm Control under Time-Varying Inflow
Delft Center of Systems and Control, TU Delft（代尔夫特系统与控制中心，代尔夫特理工大学）
针对时变随机运行条件下的非线性系统稳态优化问题，提出随机序贯反馈优化（S2FO）方法，结合投影反馈梯度与序贯灵敏度估计，并应用于风电场功率最大化，仿真显示其在持续尾流下提升平均发电功率。
2026-10-06 cs.SY eess.SY math.OC
A Unified Variational Design of Predictive Mirror Descent in Convex Games under Stochastic Feedback
New York University（纽约大学）；City University of Hong Kong（香港城市大学）
本文通过构造带辅助记忆状态的随机镜像微分博弈，提出预测反馈的变分路径，导出一般镜像几何中的双通道预测镜像动力学，并在局部镜像正则性、局部Bregman增长条件和有界布朗扩散下，建立了有限时域局部终端时间界的期望和高概率保证，以及局部化邻域的退出概率估计，为稳定均衡附近的最后迭代性能提供了统一的变分构造和局部随机保证。
2026-06-01 cs.GT math.OC
Optimal control of stochastic delay differential equations: Optimal feedback controls
本文通过 Hilbert 空间动态规划与 Hamilton-Jacobi-Bellman 方程粘性解，研究随机延迟微分方程最优控制，利用价值函数偏 $C^{1,α}$-正则性提出验证定理以构建最优反馈控制，并应用于随机最优广告问题。
2024-12-20 math.AP math.OC math.PR
Non-Stochastic Control with Bandit Feedback
Princeton University（普林斯顿大学）；Google AI Princeton（谷歌人工智能普林斯顿）
研究了具有对抗扰动的线性动力系统的控制问题，其中控制器的唯一反馈是标量损失，而损失函数本身是未知的。对于这个问题，无论系统是已知的还是未知的，我们都给出了一个有效的次线性后悔算法。算法的主要困难在于损失对过去控制的依赖性。为了克服这个问题，我们提出了一个有效的算法的一般设置的强盗凸优化的损失函数的记忆，这可能是独立的利益。
2020-08-12 cs.LG math.OC stat.ML
Error bounds for model reduction of feedback-controlled linear stochastic dynamics on Hilbert spaces
研究了基于平衡截断的Ornstein-Uhlenbeck过程和带乘性噪声的线性S（P）DE的保结构模型降阶方法。在这项研究中，我们第一次包括非零初始条件的分析。此外，我们允许反馈控制动态解决随机最优控制问题的降阶模型和证明新的误差界一类线性二次调节器问题。我们提供了数值证据的界限，并讨论了我们的方法，以增强非平衡统计力学的抽样方法的应用。
2022-03-17 cs.NA math.DS math.NA
Data-driven Stochastic Output-Feedback Predictive Control: Recursive Feasibility through Interpolated Initial Conditions
研究了受随机干扰的线性系统的数据驱动输出反馈预测控制问题。该计划依赖于一个合适的数据驱动的随机最优控制问题（OCP），它允许向前预测和优化的输入和输出的统计分布的重新制定的递归解决方案。我们的方法避免了使用参数系统模型。相反，它是基于以前记录的数据，使用最近提出的随机变量威廉姆斯的基本引理。引理的随机变量适用于一类受高斯和非高斯随机扰动的线性动力学。为了确保递归的可行性，OCP的初始条件--由过去的输入和输出信息组成--被认为是OCP的一个额外的决策变量。我们提供了充分条件的递归可行性和闭环实际稳定的建议方案以及性能界限。最后，一个数值例子说明了所提出的计划的有效性和闭环特性。
2022-12-15 cs.SY eess.SY math.OC
On Data-Driven Stochastic Output-Feedback Predictive Control
本文基于基本引理的随机变体，提出一种针对受非高斯扰动LTI系统的数据驱动输出反馈预测控制方案，利用多项式混沌展开构建随机OCP，并给出递归可行性与鲁棒性分析，数值示例验证其有效性。
2024-11-05 cs.SY eess.SY math.OC
Randomized Greedy Learning for Non-monotone Stochastic Submodular Maximization Under Full-bandit Feedback
KAUST（阿卜杜拉国王科技大学）；Purdue University（普渡大学）；Iowa State University（爱荷华州立大学）
研究了具有完全反馈和随机报酬的无约束组合多臂次模最大化问题。以前的作品调查同样的问题，假设一个子模块和单调的奖励函数。在这项工作中，我们研究了一个更普遍的问题，即，当报酬函数不一定是单调的，并且子模块性仅在期望中被假设时。提出了随机贪婪学习算法（RGL），并从理论上证明了该算法对于水平$T$和臂数$n$都达到了$\frac{1}{2}$ -遗憾上界$\tilde{\mathcal{O}}(n T^{\frac{2}{3}})$.我们还表明，在实验中，RGL经验优于其他充分的强盗变种submodular和nonsubmodular设置。
2023-02-02 cs.AI cs.LG math.OC
LQG for Constrained Linear Systems: Indirect Feedback Stochastic MPC with Kalman Filtering
提出一种结合卡尔曼滤波与间接反馈SMPC的输出反馈控制方法，实现约束线性系统在概率约束下的递归可行性与闭环机会约束满足，并可在特定设计下恢复LQG解。
2023-11-17 cs.SY eess.SY math.OC
Stochastic Robust Linear W-infinity Control via Dynamic Output Feedback
Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）
该研究针对线性伊藤扩散过程，提出基于LMI半定规划的动态输出反馈随机鲁棒W-无穷控制框架，经稳定性分析可实现均方最终有界，数值示例验证其干扰衰减与快速瞬态性能。
2026-08-19 cs.SY eess.SY math.OC
Sparse System Identification for Stochastic Feedback Control Systems
针对当前输入可能依赖于过去的输入和输出、系统噪声以及外生抖动的随机动态系统，提出了在反馈控制下重构稀疏参数向量的零元和非零元的方法。首先，提出了一种基于L2范数和L1正则化的稀疏参数辨识算法，其中L1项的优化变量采用自适应权值。其次，算法产生的估计集和参数收敛。也就是说，参数中的零元素和非零元素的集合可以使用有限数量的观测值以概率1正确识别，并且非零元素的估计几乎肯定会收敛到真值。第三，它表明，结果是适用于大量的应用，包括变量选择，开环识别，和随机系统的闭环控制。最后，给出了数值算例来支持理论分析.
2019-09-03 cs.SY eess.SY math.OC
State estimation for control: an approach for output-feedback stochastic MPC
本文利用模型预测控制的范例，特别是开环控制和闭环控制以及确定性最优控制和随机最优控制的区别，为确定随机输出反馈问题的单个状态值提供了一种新的方法。状态选择算法，并依赖于给定的动态和约束，一个标称的确定性状态反馈控制器，和一个基于采样的方法来选择最佳状态值，基于优化规定的有限时域性能函数，在可用的候选人提供的粒子滤波器。费用函数在时域上最小化，控制由标称控制器和所选状态确定。因此，最小化不是通过控制的选择来执行，而是通过选择要使用的状态值来执行。该算法一般适用于非线性随机系统，并依赖于蒙特卡罗采样和平均。然而，在线性二次多面体约束的情况下，该技术减少到一个二次规划的状态值。该算法进行了评估，在一组计算的例子，说明其有效性和局限性。数值方面和并行化的机会进行了讨论。这些例子表明，该算法的操作，在闭环与其伴随的粒子滤波器，在较长的地平线。
2023-03-02 cs.SY eess.SY math.OC
Finite-Dimensional Feedback Stabilization of Nonautonomous Stochastic Parabolic Equations
Univ. Konstanz（康斯坦茨大学）；NOVA University Lisbon（里斯本新大学）
研究非自治随机抛物方程的有限维反馈镇定，通过局部指标型执行器的有限线性组合及斜投影构造反馈律，在一定假设下证明闭环系统适定性，实现指数均方镇定及几乎必然镇定，数值实验展示相关影响。
2026-07-17 cs.NA math.AP math.NA
Measurement-based feedback control of linear quantum stochastic systems with quadratic-exponential criteria
研究了量子系统与基于测量的经典控制器之间的反馈连接的风险敏感最优控制问题。被控对象是由多通道量子维纳过程驱动的多模开放量子谐振子，控制器是由随机微分方程控制的线性定常系统。控制目标是使闭环系统稳定，并使惩罚对象变量和控制器输出的二次指数泛函（QEF）的无穷时域渐近增长率最小。我们结合频域表示的QEF增长率，最近获得的，与变分技术和建立一阶必要条件的控制器的状态空间矩阵的最优性。
2019-12-25 cs.SY eess.SY math.OC
Projection Operator Stochastic Equations for Non-Markovian Quantum Systems Under Continuous Measurement-Based Feedback
University of New South Wales（新南威尔士大学）
将投影算子方法推广到连续测量反馈控制下的非马尔可夫量子系统，推导出投影状态演化的随机微分方程，并证明反馈使确定性项变为依赖于测量记录的随机项。
2026-07-01 cs.SY eess.SY math-ph
