基于强化学习的非线性复杂黑箱温室系统控制
机器学习
2021-01-07 v1 人工智能
系统与控制
系统与控制
机器学习
摘要
现代控制理论如系统工程的途径试图通过揭示各组件间的因果关系或关联关系来解决非线性系统问题；此类方法大多聚焦于精细建模的白箱系统控制。我们提出一种演员-评论家强化学习方法来控制非线性、复杂且黑箱的系统。我们在人工温室环境模拟器上演示了该方法，其所有控制输入均有若干副作用，以致人类难以轻易弄清如何控制该系统。我们的方法成功将环境维持时间至少比PID和深度Q学习长20倍。
引用
@article{arxiv.1907.12690,
title = {Control of nonlinear, complex and black-boxed greenhouse system with reinforcement learning},
author = {Byunghyun Ban and Soobin Kim},
journal= {arXiv preprint arXiv:1907.12690},
year = {2021}
}
备注
4 pages, 2 figures, 1 table. 2 pages of supplementary information. Published on ICTC 2017