摘 要：为了实现对高延时、非线性和强耦合的复杂工业过程稳定准确的连续控制，提出了一种基于二阶价值梯度模型强化学习的控制方法。首先，该方法在模型训练过程中加入了状态价值函数的二阶梯度信息，具备更精确的函数（试读）...
登录
