机构名称：
¥ 1.0
摘要 - 强化学习（RL）已成为自动化中优化挑战的批评工具，从而在几个领域取得了重大进步。本评论文章研究了自动化中RL的当前格局，特别关注其在制造，能源系统和机器人技术中的作用。它讨论了最新的方法，主要挑战和即将到来的每个部门的研究途径，强调了RL解决复杂的优化挑战的能力。本文回顾了自动化中RL驱动优化方法的优点和约束。它指出了RL优化遇到的普遍挑战，包括与样本效率和可伸缩性有关的问题；安全性和鲁棒性；解释性和可信赖性；转移学习和元学习；以及现实世界的部署和集成。它进一步探讨了前瞻性策略和未来的研究途径，以应对这些挑战。此外，调查还包括一份有关研究论文的全面清单，使其成为热衷于探索该领域的学者和从业者必不可少的指南。索引术语：加固学习，自动化，制造，能源系统，机器人技术
对自动化优化的强化学习调查
主要关键词
相关文件推荐
