基于距离激励/惩罚（DIP）更新的强化学习用于高度约束的工业控制系统

典型的强化学习（RL）方法对真实世界工业控制问题的适用性有限，因为工业系统涉及各种约束，且同时需要连续与离散控制。为克服这些挑战，我们设计了一种新颖的 RL 算法，使智能体能处理高度约束的动作空间。该算法有两个主要特征。首先，我们在基于距离的激励/惩罚更新技术中设计了两种基于距离的 Q 值更新方案，即激励更新与惩罚更新，以使智能体能在可行域内决定离散与连续动作，并更新这些类型动作的价值。其次，我们提出了一种将惩罚代价定义为影子价格加权惩罚的方法。与先前方法相比，该方法具有两个优势，可高效诱导智能体不选择不可行动作。我们将算法应用于工业控制问题——微电网系统运行，实验结果证明了其优越性。