【清华大学】李升波教授团队总结“强化学习和模型预测控制的区别与联系”

文章预览

本文转载自：CAAI认知系统与信息处理专委会 强化学习（ Reinforcement Learning, RL ）和模型预测控制（ Model Predictive Control, MPC ）在许多领域都有广泛的应用，如自动驾驶、机器人控制和能源管理等。它们都是求解最优控制问题策略的方法，但在方法和应用上有一些显著的区别和联系。本文将以清华大学李升波教授编著的强化学习教材《 Reinforcement Learning for Sequential Decision and Optimal Control 》为参考，深入对比分析强化学习（ RL ）和模型预测控制（ MPC ）。 从架构上看，强化学习（ RL ）和模型预测控制（ MPC ）均可统一为求解马尔可夫决策过程 中 的最优策略，即优化累计奖励或代价函数： subject to or 其中 ， 分别表示状态和动作空间， 表示系统转移概率，值函数 为累计奖励或代价函数。 RL 起源于人工智能领域，主要依赖于试错和奖励机制来训练智能体 ………………………………