新算法求解松弛随机控制并证明收敛

Qi Feng 与 Gu Wang 提出一种连续策略-价值迭代算法，用 Langevin 型动力学同时更新随机控制问题的价值函数近似与最优控制。该算法针对无限时域、熵正则化的松弛控制问题，在哈密顿量单调性条件下证明了策略改进与收敛到最优控制。 数值实验覆盖非凹奖励的 LQ 模型，以及最优控制服从偏斜拉普拉斯分布的非 LQ 示例。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。