Preference-conditioned multi-objective reinforcement learning for train carriage environment control

2026-05-12

0

PRE

AI

DOI：10.1016/j.buildenv.2026.114715

原文求助

摘要

En 中文

• 将列车车厢环境控制表述为基于偏好的约束马尔可夫决策过程。• 开发PCSAC，一种带有基于偏好的目标批评器和偏好独立的约束批评器的约束SAC架构。• 通过自适应拉格朗日更新耦合两个批评器流，同时仅在训练期间使用狄利克雷偏好采样来改善偏好空间的覆盖。

Keyword:

reinforcement learning

environmental control

multi-objective optimization

Markov decision process

preference conditioning