主讲人：夏俐，中山大学教授

题目：方差准则的马氏决策过程与强化学习

主持人：莫立坡教授

时间：2024年12月10日（周二）19：30

腾讯会议：754-5890-0694

摘要：随着AlphaGo的成功应用，强化学习得到了学术界和工业界的日益重视。强化学习的理论基础是马氏决策过程，目前绝大多数都是优化累积折扣性能指标，无法处理方差指标，而方差可用于刻画风险、安全和稳定性等指标。本报告将主要介绍作者近年来在马氏决策过程的方差最小化优化问题的研究成果，将其实现为方差准则的强化学习算法。并进一步讨论将上述方法应用于能源系统，将风电、光伏等新能源与储能系统进行调度学习优化，降低系统联合出力的方差，平滑新能源出力的波动性，提高新能源系统的电能质量和利用率。

报告人简介：

中山大学管理学院教授。分别于2002年和2007年在清华大学自动化系获得学士和博士学位，2011年至2019年在清华大学自动化系任教，历任讲师、副教授（博士生导师），2019年调入中山大学。主要研究方向为马氏决策过程、强化学习、排队论、随机博弈等理论研究，以及在能源、金融等领域的应用研究。发表论文100余篇，获得10余项中国和美国发明专利，主持5项国家自然科学基金项目等。担任IEEE Transactions on Automation Science and Engineering、Discrete Event Dynamic Systems等国际权威SCI期刊的副主编（AE）等学术兼职。