一种间歇浸出过程的优化控制方法

本发明公开了一种间歇浸出过程的优化控制方法，包括：采用OCP策略求解间歇浸出过程的状态‑动作轨迹，并将其作为初始专家数据，对PPO智能体的策略网络进行行为克隆，得到初始策略；基于初始策略，通过与间歇浸出过程交互，迭代训练PPO智能体中的策略网络；每次迭代训练包括：收集间歇浸出过程在当前策略网络下的状态‑动作轨迹，并采用动态的增强型广义优势函数，计算间歇浸出过程每一步的优势函数估计值；基于损失函数值优化策略网络和价值网络；将训练所得最优的策略网络部署到间歇浸出过程的控制系统中，以根据实时状态向量输出最优控制动作。本发明可以摆脱对精确机理模型的依赖，又能解决样本效率、奖励设计和训练稳定性等问题。