对抗式模仿强化学习策略

训练快四成 奖励高两成

用专家演示引导探索，再动态放手让智能体在真实工况下自寻近似最优，兼顾收敛速度与控制效果。

刘伟荣 · Pengfei, Yao · Wu, Yue · Lijun, Duan · 李恒 · 彭军

Applied Energy 2025

参数信息

训练加速比

42.60 %

奖励提升

15.79 %

电池容量损失成本降低

5.1–12.4 %

技术优势

训练加速四成

专家演示将强化学习智能体的初始动作引向最优功率分配映射附近，大幅减少无效试错。

奖励提升15.79%

动态模仿权重使智能体在模仿与自主探索之间平滑过渡，最终获得更高的累计奖励。

容量损失再降12.4%

在不同测试驾驶循环下，该方法进一步降低电池容量损失成本，最高达12.4%。

应用场景

• 电动汽车能量管理：将训练好的策略用于实车在线功率分配，省去大量试错训练。
• 混合储能系统控制：直接分配电池与超级电容的功率，减少电池容量损失成本。
• 机器人电源管理系统：可迁移到机器人电源管理，在变工况下快速在线优化功率分配。