本研究利用 Lyapunov 方法，构建了基于约束的马尔可夫决策过程（CMDP）模型，并使用深度确定性策略梯度（DDPG）或近端策略优化（PPO）等标准策略梯度方法进行训练，通过将策略参数或动作投影到由状态相关线性化 Lyapunov 约束引起的可行解集合上，以实现策略的近似约束满足，并且实现了较少保守的策略更新，针对数个模拟（MuJoCo）任务以及实际室内机器人导航问题的评估表明了我们算法的有效性，同时具有较高的数据利用效率。

Jan, 2019

该研究桥接了基于模型和基于非模型策略梯度方法之间的差距，表明无模型的策略梯度方法全局收敛到最优解，并且在样本和计算复杂度方面效率很高。

Jan, 2018

本文对于一种学习控制策略进行了系统分析，该策略主要包括估计系统动态模型和应用轨迹优化算法来降低目标成本，我们提出了一种基于本地线性模型的算法，在重要的问题参数上获得了多项式的样本复杂度，并通过合成本地稳定增益，克服了问题时间影响的指数依赖性，我们的实验结果也验证了该算法的有效性并与自然深度学习基线进行了比较。

May, 2023

使用强化学习 RLQP 策略自动调整参数，加速求解二次优化问题，与现有算法相比，RLQP 能显著提高性能并普适适用于不同应用场景。

Jul, 2021

通过嵌入高维观测结果到低维的潜在表示空间，利用局部线性控制算法（如 iLQR）的学习表示方法在优化控制的角度下进行了阐述，同时提出了准确预测、潜在空间动态一致性和潜在空间转换低曲率三个组成元素

Sep, 2019

本文介绍使用凸神经网络实现模型精确度和控制可行性之间的平衡，通过设计凸性的循环神经网络来捕获动态系统的时态行为，并且可以通过解决凸问题来实现最优控制器。实验结果表明，该方法在控制应用中具有良好的潜力。

May, 2018

本论文研究采用阻碍函数作为硬约束的线性模型预测控制策略的平滑逼近，通过精细的分析展示其平滑常数可以被仔细控制，从而为采样状态 - 动作对逼近 MPC 策略的新样本复杂度结果铺平道路

Jun, 2023

通过机器学习优化基于样本的模型预测控制中的更新规则，以在有限的样本数下获得更好的控制效果。

Dec, 2022

本文探讨了离散时间线性二次调节器问题，并从后退视角政策梯度的角度重新审视它，介绍了 RHPG 用于控制应用的无模型学习框架，并提供了一种精细的样本复杂性分析方法，以学习在不知道稳定控制策略情况下的控制策略，并证明了 RHPG 在具有流线型分析的线性控制和估计中的普遍适用性。

Feb, 2023

提出了一种新的基于 Constrained Policy Optimization (CPO) 算法的强化学习策略搜索方法，可保证在每次迭代中实现约束满足，能够应用于高维控制问题，例如，在机器人运动中，智能体必须满足安全性约束条件。

May, 2017