利用迁移学习促进过程控制的强化学习：综述与展望
系统与控制
2025-04-23 v3 人工智能
机器学习
系统与控制
摘要
在工业4.0和智能制造的背景下，过程工业优化与控制领域也在经历数字化转型。随着深度强化学习（DRL）的兴起，其在过程控制中的应用引起了广泛关注。然而，DRL中极低的样本效率以及探索带来的安全性问题阻碍了其在工业环境中的实际部署。迁移学习为DRL提供了一种有效解决方案，增强了其在多模式控制场景中的泛化能力和适应性。本文从迁移学习的视角提供了使用DRL进行过程控制的见解。我们分析了DRL在过程工业中应用的挑战以及引入迁移学习的必要性。此外，针对如何将迁移学习与DRL集成以增强过程控制的未来研究方向，提供了建议和展望。本文旨在为过程工业的学者和工程师提供一套有前景、用户友好、易于实现且可扩展的人工智能辅助工业控制方法。
引用
@article{arxiv.2404.00247,
title = {Facilitating Reinforcement Learning for Process Control Using Transfer Learning: Overview and Perspectives},
author = {Runze Lin and Junghui Chen and Lei Xie and Hongye Su},
journal= {arXiv preprint arXiv:2404.00247},
year = {2025}
}
备注
Chinese Control and Decision Conference (CCDC 2025), Oral, Regular Paper & Asian Control Conference (ASCC 2024), Oral, Position Paper