摘 要：在具有高延迟、非线性特性和强耦合性的复杂工业环境中，实现稳定而准确的连续控制面具有一定挑战。为了应对该问题，本文提出一种基于二阶价值梯度的强化学习模型的创新控制策略。该策略首次将状态价值函数的（试读）...
登录
