基于cGAN集成的工业控制问题离线基于模型优化的不确定性感知代理模型

本研究关注将离线基于模型优化应用于实际工业控制问题时的两个重要问题。第一个问题是如何建立一个可靠的概率模型，准确捕捉含噪工业数据中的动态特性。第二个问题是如何在不主动从工业系统收集反馈的情况下可靠地优化控制参数。具体而言，我们提出了一种新颖的基于cGAN集成的不确定性感知代理模型，用于工业控制问题中可靠的离线基于模型优化。通过在两个代表性案例（即离散控制案例和连续控制案例）上开展的广泛实验，证明了所提方法的有效性。实验结果表明，我们的方法在工业控制的离线基于模型优化领域中优于若干竞争性基线。