用多目标强化学习驯服拉格朗日混沌

我们考虑二维复杂流场中两个活性粒子的多目标问题，其目标是同时最小化粒子对的弥散率和能量消耗。我们采用多目标强化学习（MORL）方法，结合标量化技术和Q学习算法，针对具有可变游动速度的拉格朗日漂流者来解决该问题。我们证明MORL能够找到一组构成最优帕累托前沿的权衡解。作为基准，我们展示了一组启发式策略均被MORL解所支配。我们考虑了智能体不能连续更新其控制变量，而只能在离散（决策）时间$\tau$后更新的情况。我们证明，在介于李雅普诺夫时间和连续更新极限之间的决策时间范围内，强化学习能找到显著优于启发式方法的策略。特别地，我们讨论了较大的决策时间如何需要增强的流场知识，而对于较小的$\tau$，所有先验的启发式策略都变得帕累托最优。