本研究引入了平均场最优控制的概念，该概念是将建模多代理交互的 ODE 约束下的有限维最优控制问题与约束为 Vlasov 类型的 PDE 的无限维最优控制问题的严格极限过程。通过考虑损失函数中 $L^1$ -norm 项，惩罚广泛的控制组，同时促进其稀疏性，我们考虑关注政策制定者受到最佳策略的制约，以实现其与个体群体之间最简洁的相互作用。

Jun, 2013

通过概率分析，研究了 McKeanVlasov 型非线性随机动力系统的最优控制问题，给出了最优解的充分条件，并将其应用于含有均场交互的大规模随机博弈中。

Mar, 2013

本文研究了弱耦合随机子系统的团队最优控制问题，使用动态规划分解方法识别并利用信息状态获得全局最优策略，控制器观察本地状态和所有子系统平均场状态，信息状态的大小是时间不变的，并且可以推广到无穷时间段的控制设置。该方法针对不同控制器数量且可观测到有噪声的情形有扩展，并以智能电网为例进行了说明。

Dec, 2020

本文探讨了 McKean-Vlasov 随机微分方程的随机最优控制问题，通过使用反馈控制，将问题重构为只有过程的边际分布的确定性控制问题，并证明了动态规划原则在其一般形式下成立。然后，我们利用随机微分方程解的可导性概念，推导出平均场随机控制问题的 Bellman 方程，并在 McKean-Vlasov 框架下证明了验证定理。针对线性二次平均场控制问题，给出了 Bellman 方程的显式解，包括在平均方差组合选择和系统性风险模型等方面的应用。最后，我们考虑具有开环控制的 McKean-Vlasov 控制问题，并讨论相应的动态规划方程与闭环控制情况的比较。

Dec, 2015

这篇文章介绍了将深度学习中的群体风险最小化问题作为均场最优控制问题进行数学公式化。通过引用均场 Pontryagin 的最大值原理，确立了种群和经验学习问题之间的一些定量关系，为探究最优控制和深度学习之间的算法和理论联系奠定了数学基础。

Jul, 2018

在本文中，我们证明了具有凸代价函数的随机最优运输问题的对偶定理，该代价函数不需要通常假定的正则性假设。我们的新方法是证明了该问题等同于 Fokker-Planck 方程的一类变分问题，并通过所谓的叠加原理和 mather 理论中的想法来完成。我们还考虑了具有一维非凸代价的随机最优运输问题的最小化器的 Markov 性质，并证明了 Schrodinger 问题的半凸性和 Lipschitz 连续性，这是随机最优运输问题的典型实例。

Mar, 2020

本文讨论并比较了两种研究方法，以处理随机微分博弈的渐近区域，这种博 弈有有限个玩家，但玩家数量趋近于无穷。这两种方法在优化和极限通道的顺序上有所不同，一种是指平均场博弈，另一种是控制 McKean-Vlasov 类型的优化问题。这两个问题都涉及到前向后向随机微分方程的分析，其系数取决于解的边缘分布，我们通过研究相应的前向后向系统来说明两种方法的性质和解决方案的差异。文章还阐述了一般性的结果和特定的例子，特别是当代价函数是线性二次型时。

Oct, 2012

本文研究了具有特殊结构的非协作约束随机博弈，证明了其中纳什均衡存在性，并给出了无线通信中功率控制的应用例子。

Mar, 2007

提出了两种基于神经网络参数的损失函数的数值方法，用于有限时间视野下的 McKean-Vlasov 动力学的最优控制，为确定如何近似于原始均场控制问题的解，引入了一种新的优化问题，并提供了误差率的严格说明。

Aug, 2019

本文探讨了在具有共同噪声的情况下的平均场博弈，使用随机最大化原理证明了存在唯一的平均场博弈解，并证明了其具有类似于 Lasry 和 Lions 的单调性质，使用 Banach 不动点定理证明了其在有限时间内的存在性，并展示其可以延伸至任意有限时间内。

Jun, 2014