基于强化学习的过程设计迁移学习
机器学习
2023-02-08 v1 最优化与控制
摘要
过程设计是一项目前由工程师手动执行的创造性任务。人工智能为促进过程设计提供了新的潜力。具体而言, 强化学习 (RL) 通过将学习构建过程流程图的数据驱动模型与过程仿真集成于迭代设计过程中, 在自动化过程设计方面已取得一定成功。然而, 学习过程中的一个主要挑战是, RL 智能体需要在严格的过程仿真器中进行大量过程仿真, 从而需要漫长的仿真时间和昂贵的计算能力。因此, 通常采用短路 (short-cut) 仿真方法来加速学习过程。然而, 短路方法可能导致不准确的结果。因此, 我们提出将迁移学习与严格仿真方法相结合, 用于基于 RL 的过程设计。迁移学习是机器学习中的一种成熟方法, 它存储在解决一个问题时获得的知识, 并将其重用于不同的目标领域。我们将迁移学习集成到我们的过程设计 RL 框架中, 并将其应用于包含平衡反应、共沸分离和循环的说明性案例研究, 我们的方法能够设计出经济可行的流程图, 并与 DWSIM 保持稳定的交互。结果表明, 迁移学习使 RL 能够利用 DWSIM 经济地设计可行的流程图, 所得流程图的收益提高了 8%。并且学习时间可以缩短至原来的 1/2。
引用
@article{arxiv.2302.03375,
title = {Transfer learning for process design with reinforcement learning},
author = {Qinghe Gao and Haoyu Yang and Shachi M. Shanbhag and Artur M. Schweidtmann},
journal= {arXiv preprint arXiv:2302.03375},
year = {2023}
}
备注
Submitted to PROCEEDINGS OF THE 33rd European Symposium on Computer Aided Process Engineering (ESCAPE33), June 18-21, 2023, Athens, Greece