PulseAugur
中
实时 08:44:55
实体 Reward-Constrained Policy Optimization

Reward-Constrained Policy Optimization

PulseAugur coverage of Reward-Constrained Policy Optimization — every cluster mentioning Reward-Constrained Policy Optimization across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_366326 ·

    深度强化学习优化核聚变反应堆设计

    研究人员开发了一种新颖的方法,利用深度强化学习(DRL)来优化核聚变反应堆(特别是托卡马克装置)的设计。这种方法称为奖励约束策略优化(RCPO),将多个运行约束直接整合到奖励函数中。基于DRL的策略在找到满足稳定性和性能要求且可行的设计方面,比其他数据驱动的方法更有效,展示了其在加速未来聚变反应堆开发方面的潜力。