基于值学习与策略梯度的深度...习在核工程领域的适配性分析_谭思超.pdf

网络首发时间：2024-08-0613:58:10

网络首发地址：/urlid/11.2044.TL0853.004

第xx卷第x期原子能科学技术Vol.

xx,

No.

x

xxxx年x月Atomic

Energy

Science

and

Technology

xxxx

基于值学习与策略梯度的深度强化学习

在核工程领域的适配性分析

1,2,3,*1,2,31,2,31,2,31,2,31,2,31,2,3,*1,2,3

谭思超，刘震，刘永超，李桐，梁彪，王博，李江宽，田瑞峰

（1.

哈尔滨工程大学

船舶热能动力全国重点实验室,

黑龙江

哈尔滨150001；

2.

哈尔滨工程大学

黑龙江省核动力装置性能与设备重点实验室,

黑龙江

哈尔滨150001；

3.

哈尔滨工程大学

核安全与先进核能技术工信部重点实验室,

黑龙江

哈尔滨150001）

摘要：深度强化学习能够实现端到端处理，将高维度的原始输入数据直接转化为输出动作。深度强化学习

按照间接和直接的策略优化方式，主要可分为基于值学习和基于策略梯度的两类方法。二者因原理不同，

在解决问题的能力和适用场景上存在差异。核领域中的决策问题状态参数维度高，同时决策参数与状态

参数之间存在强非线性关系，是深度强化学习的潜在应用场景。本文从强化学习的基本原理出发，归纳了

基于值学习和基于策略梯度的强化学习方法的机理差异，并结合目前研究现状对两类方法在核工程领域

可能的应用场景进行了深入分析。最后，总结了深度强化学习在后续应用中所面临的挑战及应用趋势。

关键词：人工智能；深度强化学习；值函数；策略梯度

中图分类号：TL362；TM623

文献标志码：A

文章编号：1000-6931（2024）00-0001-11

doi：10.7538/yzk.2024.youxian.0407

AdaptabilityAnalysisofValue-basedandPolicy-basedDeep

ReinforcementLearninginNuclearField

1,2,3,*1,2,31,2,31,2,31,2,3

TAN

Sichao,

LIU

Zhen,

LIU

Yo