深度强化学习在流体力学中的应用的综述:更新
流体动力学
2022-11-30 v4 计算物理
摘要
过去几年,流体力学界对深度强化学习(DRL)技术的兴趣快速增加,催生了越来越多相关文献。尽管 DRL 解决复杂决策问题的能力使其成为主动流控制的有价值工具,近期发表的工作也展示了其在形状优化或微流控等其他领域的应用。本工作旨在对现有文献进行详尽综述,是我们此前该主题综述的延续。这些贡献按应用领域归类,并在算法与技术选择(如状态选择、奖励设计、时间粒度等)方面相互比较。基于这些比较,我们针对该领域当前最先进水平得出总体结论,并勾勒出未来改进的展望。
引用
@article{arxiv.2107.12206,
title = {A review on deep reinforcement learning for fluid mechanics: an update},
author = {Jonathan Viquerat and Philippe Meliga and Elie Hachem},
journal= {arXiv preprint arXiv:2107.12206},
year = {2022}
}