Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.01718

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2508.01718 (cs)
[提交于 2025年8月3日 ]

标题: 基于物理信息的随机最优控制神经策略迭代

标题: Neural Policy Iteration for Stochastic Optimal Control: A Physics-Informed Approach

Authors:Yeongjong Kim, Yeoneung Kim, Minseok Kim, Namkyeong Cho
摘要: 我们提出了一种物理信息神经网络策略迭代(PINN-PI)框架,用于求解由二阶哈密顿-雅可比-贝尔曼(HJB)方程控制的随机最优控制问题。 在每次迭代中,通过最小化由固定策略引起的线性偏微分方程(PDE)的残差,训练一个神经网络来近似价值函数。 这种线性结构使得在每次策略评估步骤中能够系统地进行$L^2$误差控制,并允许我们推导出显式的Lipschitz型界,量化价值梯度误差如何传播到策略更新中。 这种可解释性为训练过程中评估策略质量提供了理论基础。 我们的方法将最近的确定性PINN方法扩展到了随机设置,在温和条件下继承了经典策略迭代的全局指数收敛保证。 我们在几个基准问题上展示了我们方法的有效性,包括随机cartpole问题、摆锤问题以及高达10维的高维线性二次调节(LQR)问题。
摘要: We propose a physics-informed neural network policy iteration (PINN-PI) framework for solving stochastic optimal control problems governed by second-order Hamilton--Jacobi--Bellman (HJB) equations. At each iteration, a neural network is trained to approximate the value function by minimizing the residual of a linear PDE induced by a fixed policy. This linear structure enables systematic $L^2$ error control at each policy evaluation step, and allows us to derive explicit Lipschitz-type bounds that quantify how value gradient errors propagate to the policy updates. This interpretability provides a theoretical basis for evaluating policy quality during training. Our method extends recent deterministic PINN-based approaches to stochastic settings, inheriting the global exponential convergence guarantees of classical policy iteration under mild conditions. We demonstrate the effectiveness of our method on several benchmark problems, including stochastic cartpole, pendulum problems and high-dimensional linear quadratic regulation (LQR) problems in up to 10D.
主题: 机器学习 (cs.LG) ; 计算工程、金融与科学 (cs.CE); 数值分析 (math.NA)
MSC 类: 93E20, 35Q93, 68T07, 65N21
引用方式: arXiv:2508.01718 [cs.LG]
  (或者 arXiv:2508.01718v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.01718
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yeoneung Kim [查看电子邮件]
[v1] 星期日, 2025 年 8 月 3 日 11:02:25 UTC (949 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.CE
cs.LG
cs.NA
math.NA

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号