基于强化学习的奖励函数系统化设计框架:跟踪误差惩罚与控制变化惩罚的独立效应研究

《Electronics》:AI-Embedded Operational Assurance Using Empirical Reference Behavior for Fragmented Data in Hybrid Multi-Cloud Storage Systems

【字体: 大 中 小 】 时间:2026年10月22日 来源:Electronics 2.9

编辑推荐:

   摘要

  

摘要

奖励函数的设计在基于强化学习(RL)的控制中起着关键作用,它决定了策略学习过程中各相互竞争的控制目标如何被表征。然而,奖励函数通常是基于经验选定的,其数学结构对闭环行为的影响尚未得到充分描述。本研究提出了一种系统化的奖励函数设计框架,通过对十种奖励函数形式进行受控比较,分离出跟踪误差惩罚与控制变化惩罚各自的独立效应。该框架将二次型、绝对值及混合二次-绝对值跟踪惩罚分别与平方型和绝对值控制变化惩罚相结合,并使用软演员-评论家(SAC)算法在两个动态特性截然不同的系统上进行评估:DC-DC升压转换器和他励直流电机。结果表明,跟踪精度、瞬态性能与控制作用平滑性之间存在明显的权衡关系。将混合二次-绝对值跟踪惩罚与平方型控制变化正则化相结合的函数形式在两个系统中均提供了最佳的综合折中效果。对于直流电机,该函数形式的积分绝对误差仅比最小误差函数形式高出0.76%,同时将超调量减少了约35.9%。研究结果表明,奖励函数的结构是控制设计中一个重要的设计变量,并为基于强化学习的连续控制中平衡跟踪性能与控制作用平滑性提供了实用指导。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号