面向水资源管理的多目标强化学习
机器学习
2025-11-24 v2 人工智能
摘要
许多现实世界的问题（例如，资源管理、自动驾驶、药物发现）需要优化多个相互冲突的目标。多目标强化学习 (MORL) 扩展了经典强化学习以同时处理多个目标，产生一组能够捕捉各种权衡的策略。然而，MORL 领域缺乏复杂、真实的环境和基准。我们引入了一个水资源（尼罗河流域）管理案例研究，并将其建模为一个 MORL 环境。然后，我们在此任务上对现有的 MORL 算法进行了基准测试。我们的结果表明，专门的水资源管理方法优于最先进的 MORL 方法，这凸显了 MORL 算法在现实场景中面临的可扩展性挑战。
引用
@article{arxiv.2505.01094,
title = {Multi-Objective Reinforcement Learning for Water Management},
author = {Zuzanna Osika and Roxana Rădulescu and Jazmin Zatarain Salazar and Frans Oliehoek and Pradeep K. Murukannaiah},
journal= {arXiv preprint arXiv:2505.01094},
year = {2025}
}
备注
Accepted to AAMAS 2025