Feb, 2023
物理知识引导神经网络的强化学习: Hamilton-Jacobi-Bellman 近端策略优化（HJBPPO）
Bridging Physics-Informed Neural Networks with Reinforcement Learning: Hamilton-Jacobi-Bellman Proximal Policy Optimization (HJBPPO)
Amartya Mukherjee, Jun Liu
TL;DR本文介绍了将 Hamilton-Jacobi-Bellman Proximal Policy Optimization（HJBPPO）算法引入强化学习中，使用 Hamilton-Jacobi-Bellman（HJB）方程在连续状态和动作空间中评估价值函数的最优性，将价值网络视为物理学知识神经网络（PINN）来计算其输入的导数，将其实现到 Proximal Policy Optimization（PPO）Clipped 算法中，证明 HJBPPO 算法相比 PPO 算法在 MuJoCo 环境有更好的性能表现。