一、时间：2026年11月6日（星期五）上午10：10

二、地点：潍坊学院人合楼楼8119教室

三、主讲人：张立平

四、讲座题目：具有逐状态安全性的强化学习高效策略优化算法

五、承办单位：数学与统计学院  科研处

六、讲座内容：针对带状态约束的安全强化学习（RL）问题，已有研究主要集中于拉格朗日乘子方法；然而，训练状态依赖的乘子网络会引发严重的策略振荡。本研究首次通过增广拉格朗日乘子网络（ALaM）框架研究参数化乘子的稳定学习：通过引入二次惩罚项建立局部凸性，并以趋向解析目标的有监督回归方式更新乘子，从而补偿乘子响应的滞后，并在理论上保证收敛性。此外，本研究将柔性演员—评论家算法（SAC）与 ALaM 相结合，提出了 SAC-ALaM 算法。实验结果表明，该算法在安全性与回报两方面均优于当前最先进的安全强化学习基线方法，同时稳定了训练动态，并能学习到校准良好的乘子，以用于风险识别。

七、主讲人简介：张立平，清华大学长聘教授，博士生导师，研究方向最优化理论算法及应用，在求解互补与变分不等式问题、半无限规划、张量优化等方面取得了许多研究成果。已在Math Prog, Math Comput, SIMAX，SIOPT，MOR， JMLR等国内外核心期刊发表论文多篇、连续获得多项国家自然科学基金资助，承担国家重点研发计划“新能源汽车”专项，曾获得教育部自然科学奖二等奖和北京市科学技术奖二等奖。