论文提出边界感知强化学习确定性策略梯度框架

Lijun Bo、Yijie Huang、Chenhao Lu 提交论文，提出一个连续时间确定性策略梯度框架，用于状态由超立方体上受控反射随机微分方程支配的强化学习。论文称建立了值函数与 Neumann Bellman 方程的联系，并给出确定性策略梯度公式与鞅刻画定理。 基于该理论，作者提出连续时间深度确定性策略梯度算法，通过软惩罚或硬架构约束施加 Neumann 边界条件。在储层控制实验中，作者报告边界感知方法显著降低 Neumann 边界残差并提升学习稳定性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。