利用模型无关的强化学习方法深度 Q 网络（DQN）优化地质导向决策，达到与近似最优决策优化方法相当的高质量结果，同时提供实时决策支持。

Oct, 2023

本文提出了一种新的强化学习框架 DPFRL，它采用区分性粒子滤波器来进行对复杂部分观察的明确推理，同时在决策中使用学习的区分性更新方法，提高了性能并解决了复杂观测建模的难题，提出的基于矩函数的信念特征在 Flickering Atari Games 和 Habitat 环境实验中有较好的表现。

Feb, 2020

本文介绍了如何利用强化学习算法设计智能的微型游泳机器人，实现在复杂液体环境下的自主适应行为与最优策略的学习。

Jan, 2017

本文提出了一种基于强化学习的路径生成（RL-PG）方法，以用于移动机器人导航，无需事先探索未知环境。该方法采用深度马尔可夫模型优化的 RL 算法生成多个预测路径点，通过运动微调模块 fine-tuning 机器人的运动以确保跟踪预测点时的安全。通过在模拟和物理平台上的部署，证明本文提出的方法有效并且其成功率更高于 DWA-RL 和传统的 APF 导航方法。

Oct, 2022

本研究提出一种新的有限元自适应网格细化方法，将其视为马尔可夫决策过程，并应用深度强化学习进行训练，从而解决了传统方法对瞬时误差估计的依赖问题，并通过静态函数估计和时间依赖方程等实验验证了该方法的可行性和有效性。

Mar, 2021

本文提出了一种基于深度强化学习（DRL）的一般控制策略框架，用于地下流动环境中的闭环决策制定。针对数据同化 / 历史匹配和鲁棒优化步骤中的挑战，将闭环油藏管理（CLRM）问题表示为一个部分可观察的马尔科夫决策过程，并使用近端策略优化算法来解决相关的优化问题。数据集由多个地质模型场景合集构成，训练结果表明相对于既有地质模型的鲁棒优化以及传统的 CLRM 方法，基于 DRL 的方法在油水注入生产中的净现值（NPV）获得了 15% 和 33% 的提升，并且相对于传统 CLRM 平均提升了 4% NPV，并且在多种地质模型场景中均能发挥较好的效果。

Mar, 2022

本文提出了一种基于策略梯度的策略优化框架，可以通过可能高度简化的一阶模型对实际数据进行监督学习，从而设计出精确的控制策略。

Jul, 2023

通过使用强化学习算法，并结合流体 - 结构相互作用环境，发现鱼鳍射线控制策略的最佳方法，以实现卓越的推进性能。

Jan, 2024

研究论文研究了无人机车辆路径问题，提出了一种综合考虑启发式方法和强化学习框架的解决方案，以提高解决方案的质量和计算速度。

Apr, 2024

本文提出了一种基于部分观测马尔可夫决策过程的自适应网格细化方法，并采用深度强化学习训练策略网络，以求取高效精确的数值模拟结果。

Sep, 2022