面向模型未知复杂系统的在线数据驱动最优控制方法

复杂数学物理场景下的系统建模往往面临高维、非线性及模型参数未知的挑战。作为数据驱动计算方法的重要分支，强化学习在解决此类问题上展现了巨大潜力，但现有算法普遍依赖持续激励条件、庞大历史数据集及初始容错控制策略，限制了其在动态物理场景中的实时应用。针对上述局限，本报告提出两类适用于模型未知系统的新型在线策略迭代学习算法实现最优控制。该算法旨在突破传统数值算法对先验模型和离线数据的依赖，通过在线实时交互实现最优控制策略的快速收敛。与现有主流强化学习算法的对比分析表明，该方法在降低计算资源需求、提升动态响应速度方面具有显著优势，为复杂工程场景下的智能控制提供了更具鲁棒性的理论依据与计算支撑。

徐勇，北京理工大学教授，博士生导师、国家优青。主要从事集群无人系统规划与协同控制及其应用、强化学习/数据驱动控制、网络化系统的安全分析与弹性控制等方面的研究工作。围绕上述领域，以第一作者/通讯作者在Automatica、IEEE TAC等汇刊刊上发表/录用学术论文50余篇,申请授权/受理专利40余项，主持国家优青、青年基金、博士后特别资助以及博士后面上等项目。获得中国仿真学会科学技术奖创新技术一等奖（2026年），中国自动化学会自然科学奖二等奖（2023年、2024年）、北京市青年人才托举工程（2023年）、中国自动化学会优秀博士学位论文奖（2022年）、2025年YAC最佳理论论文奖。