模型預測控制(MPC)

深度分析

可控資訊生成（CIP）：以Kolmogorov–Sinai熵與最優控制重構內在動機

研究以內在動機為出發點提出可控資訊生成CIP，主張從控制論與Kolmogorov‑Sinai熵出發衡量動態系統可被操控的資訊產出。CIP比較開環與閉環熵率差異，獎勵尋找可被回饋抑制的混沌來源，實驗顯示在經典擺系能兼顧探索與穩定。具潛在理論與實務意義。