基于Y算子提升一类随机微分方程母子系统强化学习性能的方法
人工智能
2025-10-13 v4 最优化与控制
摘要
本文引入一种称为Y算子的新型算子，以提升基于Actor-Critic（AC）的强化学习在随机微分方程（SDEs）所支配系统中的控制性能。Y算子巧妙地将一类母子系统的随机性整合进Critic网络的损失函数中，使RL算法的控制性能获得显著提升。此外，Y算子优雅地将状态值函数偏微分方程的求解难题重构为系统SDEs中漂移与扩散函数的并行问题。严格的数学证明确认了该算子的有效性。这一变换使得基于Y算子的强化学习（YORL）框架能够高效处理基于模型与数据驱动系统的最优控制问题。通过线性和非线性数值算例展示了YORL的优越性，表明其在收敛后相较现有方法具有增强的性能。
引用
@article{arxiv.2311.04014,
title = {A Method to Improve the Performance of Reinforcement Learning Based on the Y Operator for a Class of Stochastic Differential Equation-Based Child-Mother Systems},
author = {Cheng Yin and Yi Chen},
journal= {arXiv preprint arXiv:2311.04014},
year = {2025}
}
备注
15 pages, 2 figures