【254页博士论文】《动态多目标环境中基于深度强化学习的智能决策方案》

现实生活中的问题是动态的，并且与具有多种选择的决策过程有关。我们需要通过优化来解决其中的一些动态决策问题。当我们需要在决策过程中对多个参数进行权衡时，特别是在动态环境中，解决这些问题具有挑战性。然而，在人工智能（AI）的帮助下，我们可以有效地解决这些问题。本研究旨在研究利用深度强化学习（DRL）算法为动态多目标环境开发一个智能决策方案。这包括在强化学习（RL）环境中开发一个动态多目标优化领域的基准，这刺激了使用传统的深海宝藏（DST）基准开发一个改进的测试平台。拟议的测试平台是在改变最佳帕累托前沿（PF）和帕累托集（PS）的基础上创建的。就我所知，这是第一个用于RL环境的动态多目标测试平台。此外，还提出了一个框架来处理动态环境中的多目标，从根本上保持不同目标之间的平衡，以提供一个与真正的PF相近的折衷方案。为了证明这一概念，所提出的模型已经在现实世界的场景中实施，以预测基于巴西圣保罗水质弹性的脆弱区域。

http://t.cn/A6SxBDpj