勷勤数学•专家报告

题      目：Policy Iteration Reinforcement Learning Method for Continuous-time Mean-Field Linear-Quadratic Optimal Problem

报  告  人： 李娜 教授  (邀请人：杨舟)

                                         大连理工大学数学科学学院

时      间： 8月2日  10：30-11:30

地     点：数科院西楼二楼会议室

报告人简介:

       李娜，教授，博士生导师，国家级青年人才，国务院政府特殊津贴专家，山东省政府特殊津贴专家，首届山东省科学技术青年奖获得者，首届山东数学会青年数学奖获得者，山东省教育系统优秀共产党员；兼任山东省科协第十届委员会委员、中国自动化学会TCCT随机系统控制委员会委员、山东数学会常务理事、山东省青年科学家协会理事、山东省大数据研究会理事等。近年来，取得了一系列研究成果，发表在控制论领域顶刊《SIAM Journal on Control and Optimization》、《Automatica》、《IEEE Transactions on Automatic Control》等国际著名学术期刊；先后主持国家自然科学基金项目、山东省自然科学基金项目多项；曾获山东省省级教学成果二等奖3项、山东省高等学校科学技术奖二等奖1项等；主持教育部供需对接就业育人项目1项、产学合作协同育人项目2项、山东省研究生教育优质课程建设项目1项、山东省本科教学改革研究重点项目1项等。

摘      要：

       This work employs a policy iteration reinforcement learning (RL) method to investigate continuous-time mean-field linear quadratic problems over an infinite horizon. The drift and diffusion terms in the dynamics involve the state as well as the control. The stability and convergence of the RL algorithm are examined using a Lyapunov Recursion. Instead of solving a pair of coupled Riccati equations, the RL technique focuses on strengthening an auxiliary function and the cost functional as the objective functions and updating the new policy to compute the optimal control via state trajectories. A numerical example sheds light on the established theoretical results.

          欢迎老师、同学们参加、交流！