基于强化学习方法的偏微分方程在线辨识与控制
最优化与控制
2023-08-09 v1 数值分析
数值分析
摘要
我们关注未知偏微分方程（PDEs）的控制问题。系统动力学未知，但假设我们能观测其在给定控制输入下的演化，这正是强化学习框架的典型设定。我们提出一种基于在线控制和辨识未知系统配置的算法。本工作中，控制基于状态依赖黎卡提方法，而模型辨识基于贝叶斯线性回归。在每次迭代中，基于观测数据，我们获得 PDE 先验未知参数配置的估计，随后计算对应模型的控制。我们通过数值实验证明了该方法在无限时域控制问题中的收敛性。
引用
@article{arxiv.2308.04068,
title = {Online identification and control of PDEs via Reinforcement Learning methods},
author = {Alessandro Alla and Agnese Pacifico and Michele Palladino and Andrea Pesare},
journal= {arXiv preprint arXiv:2308.04068},
year = {2023}
}