扩散过程随机控制的自适应分割与学习

这篇文章可能提出了一种控制随机系统的新方法，特别是那些被建模为扩散过程的系统。核心思想似乎是将状态空间的自适应分割与机器学习技术相结合，以优化控制策略。“自适应分割”的使用表明了一种动态方法，即根据系统的行为将状态空间划分为可调整的区域。与静态分割方法相比，这可能导致更有效和更精确的控制。“学习”的整合意味着使用算法从数据或经验中学习最佳控制策略，从而可能随着时间的推移提高性能。来源是ArXiv表明这是一个预印本，表明这项工作是最近的，并且可能正在接受同行评审。

• •侧重于扩散过程的随机控制。
• •采用状态空间的自适应分割。
• •整合机器学习以进行最佳控制策略学习。
• •可能提出了一种控制系统优化的新方法。