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 > eess > arXiv:2507.09864

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2507.09864 (eess)
[提交于 2025年7月14日 ]

标题: 强化学习与贝叶斯优化在工业过程智能控制中的交叉:一种基于安全MPC的多目标BO的DPG

标题: Intersection of Reinforcement Learning and Bayesian Optimization for Intelligent Control of Industrial Processes: A Safe MPC-based DPG using Multi-Objective BO

Authors:Hossein Nejatbakhsh Esfahani, Javad Mohammadpour Velni
摘要: 基于模型预测控制(MPC)的强化学习(RL)为深度神经网络(DNN)的RL方法提供了一种结构化且可解释的替代方案,具有较低的计算复杂度和更高的透明度。 然而,标准的MPC-RL方法通常存在收敛速度慢、由于参数化有限而导致的次优策略学习以及在线适应过程中的安全问题。 为了解决这些挑战,我们提出了一种新的框架,将MPC-RL与多目标贝叶斯优化(MOBO)相结合。 所提出的MPC-RL-MOBO利用通过兼容确定性策略梯度(CDPG)方法估计的RL阶段成本及其梯度的噪声评估,并通过期望超体积改进(EHVI)获取函数将它们纳入MOBO算法中。 这种融合使得在模型不完善的情况下,能够高效且安全地调整MPC参数,以实现改进的闭环性能。 一个数值示例展示了所提出方法在控制系统的样本高效、稳定和高性能学习方面的有效性。
摘要: Model Predictive Control (MPC)-based Reinforcement Learning (RL) offers a structured and interpretable alternative to Deep Neural Network (DNN)-based RL methods, with lower computational complexity and greater transparency. However, standard MPC-RL approaches often suffer from slow convergence, suboptimal policy learning due to limited parameterization, and safety issues during online adaptation. To address these challenges, we propose a novel framework that integrates MPC-RL with Multi-Objective Bayesian Optimization (MOBO). The proposed MPC-RL-MOBO utilizes noisy evaluations of the RL stage cost and its gradient, estimated via a Compatible Deterministic Policy Gradient (CDPG) approach, and incorporates them into a MOBO algorithm using the Expected Hypervolume Improvement (EHVI) acquisition function. This fusion enables efficient and safe tuning of the MPC parameters to achieve improved closed-loop performance, even under model imperfections. A numerical example demonstrates the effectiveness of the proposed approach in achieving sample-efficient, stable, and high-performance learning for control systems.
主题: 系统与控制 (eess.SY) ; 人工智能 (cs.AI); 机器学习 (cs.LG); 优化与控制 (math.OC)
引用方式: arXiv:2507.09864 [eess.SY]
  (或者 arXiv:2507.09864v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.09864
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Hossein Nejatbakhsh Esfahani [查看电子邮件]
[v1] 星期一, 2025 年 7 月 14 日 02:31:52 UTC (376 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
许可图标 查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AI
cs.LG
cs.SY
eess
math
math.OC

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