基于Dirichlet先验和量子灵感遗传优化的强化学习财务决策
机器学习
2025-09-03 v1 神经与进化计算
摘要
传统的预算分配模型难以处理现实财务数据的随机性和非线性特性。本研究提出了一种基于Dirichlet先验和量子变异遗传优化的混合强化学习（RL）框架，用于动态预算分配。以苹果公司（Apple Inc.）的季度财务数据（2009至2025）为例，RL代理学习在研发与销售、一般及行政费用之间分配预算，以实现盈利最大化，同时遵循历史支出模式，并通过L2惩罚抑制不切实际的偏差。Dirichlet分布控制状态演化以模拟变化的财务环境。为逃离局部最小化值并提高泛化能力，训练后的策略通过具有量子变异的遗传算法进行细化。记录生成式奖励和惩罚以可视化收敛和策略行为。在未见的财务数据上，该模型实现了与实际分配高度一致（余弦相似度0.9990，KL散度0.0023），证明了将深度强化学习、随机建模和量子灵感启发式方法结合用于自适应企业预算分配的前景。
关键词
引用
@article{arxiv.2509.00095,
title = {Financial Decision Making using Reinforcement Learning with Dirichlet Priors and Quantum-Inspired Genetic Optimization},
author = {Prasun Nandy and Debjit Dhar and Rik Das},
journal= {arXiv preprint arXiv:2509.00095},
year = {2025}
}