实时安全决策
用双曲正切函数把安全约束解析嵌入演员网络，在实时决策中保证调度可靠性，并显著提升多智能体强化学习的收敛效率与可解释性。
Dou, Jiaming · 王小君 · Liu, Zhao · Yi, Han · 马威 · 和敬涵
IEEE Transactions on Industry Applications 2025
通过双曲正切函数将安全约束直接嵌入演员网络的输出层，模型预测的动作天然满足安全边界，无需事后修正或惩罚项。
在相同多智能体环境中，MAPIRL 达到相同性能所需的训练轮数显著减少，加快部署迭代。
嵌入的物理知识让智能体学习到的策略具有明确物理对应，方便工程人员理解和信任模型输出。