控制理论与应用

作者：井冈山,王龙,史大威,陈通文

单位：重庆大学自动化学院,北京大学系统与控制研究中心,北京理工大学自动化学院,阿尔伯塔大学电气与计算机工程系

关键词：网络化系统;强化学习;数据驱动控制;分布式控制

基金：国家自然科学基金项目(62203073,62533002,62036002), 重庆市自然科学基金面上项目(CSTB2022NSCQ–MSX0577)资助.

网络化系统是指由多个具有交互和任务执行能力的子系统基于网络结构连接而成的动态系统.由于在不同应用场景中经常呈现高维、多约束、非凸、非线性等特点,网络化系统的分析与控制问题在本世纪受到了来自不同领域的广泛关注.为应对动态环境与复杂系统中的不确定性等问题,具有端到端特性的强化学习方法被引入到网络化系统的控制策略学习中.然而,网络化系统的高维数与结构化特性使强化学习的效率和有效性面临严峻挑战. 事实上,许多研究发现,网络化系统的性能与其网络结构密切相关,从图的角度切入能够把复杂的控制问题转化为简单的组合优化问题,进而实现对实际大规模网络的应用.鉴于此,本文从图的视角出发,对基于学习的网络化系统控制方法做系统性梳理,通过考察线性二次调节与马尔可夫博弈两种模型下的最优控制问题,揭示图结构在网络化系统控制策略学习中的重要作用,同时也将列举该领域现存的难题并展望未来的发展方向.

来源：2025年第11期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第11期