关于线性系统互信息最优控制中的策略随机性
最优化与控制
2026-03-23 v2 机器学习
系统与控制
系统与控制
摘要
近年来，互信息最优控制被提出作为最大熵最优控制的一种延伸。两种方法都引入正则化项以使策略具有随机性，因而有必要从理论上阐明温度参数（即正则化项的系数）与策略随机性之间的关系。在最大熵最优控制中，这一关系已被探索，但在互信息最优控制中 remains unexplored。本文针对离散时序线性系统的互信息最优控制问题（MIOCP）进行了研究。经过扩展前一研究中MIOCP的结果后，我们建立了MIOCP的最优策略的存在性，然后推导出使最优策略具有随机性和确定性所需的温度参数条件。此外，我们还推导出通过交替优化算法获得的策略变为随机性和确定性所需的温度参数条件。通过数值实验Demonstrated了理论结果的有效性。
引用
@article{arxiv.2507.21543,
title = {On Policy Stochasticity in Mutual Information Optimal Control of Linear Systems},
author = {Shoju Enami and Kenji Kashima},
journal= {arXiv preprint arXiv:2507.21543},
year = {2026}
}
备注
18 pages. Revised potentially misleading phrasing from v1. The main arguments and discussions remain unchanged