计算机科学 > 机器学习
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.