强化学习用于控制偏微分方程综述

该综述提出统一视角，探讨强化学习在控制偏微分方程约束优化中的应用，涵盖无模型、有模型及多智能体方法。 重点强调样本效率、跨参数泛化能力及高维可扩展性，并通过混沌系统稳定化和流控制两个示例说明性能与陷阱。 文章讨论了评估基准实践、当前局限及开放研究方向，旨在推动科学计算中可靠、数据高效且可扩展的强化学习发展。