用于随机偏微分方程在线控制的深度强化学习
机器学习
2021-12-09 v3 动力系统
摘要
在物理科学、生命科学与金融等诸多领域，控制方法被用于实现由微分方程支配的复杂动力系统的预期目标。本工作中，我们将随机偏微分方程（SPDE）的控制问题表述为强化学习问题。我们提出一种基于学习的分布式控制方法，利用深度确定性策略梯度方法对具有高维状态-动作空间的 SPDE 系统进行在线控制。我们在控制随机 Burgers 方程（描述无限大域中的湍流流体流动）问题上测试了方法的性能。
引用
@article{arxiv.2110.11265,
title = {Deep Reinforcement Learning for Online Control of Stochastic Partial Differential Equations},
author = {Erfan Pirmorad and Faraz Khoshbakhtian and Farnam Mansouri and Amir-massoud Farahmand},
journal= {arXiv preprint arXiv:2110.11265},
year = {2021}
}