遗传编程与强化学习相融合的可解释智能流动控制方法

公开一种遗传编程与强化学习相融合的可解释智能流动控制方法：本发明将神经网络中的自动微分机制引入到线性遗传编程中，通过梯度下降算法自动调整线性遗传编程所得到的显式表达式，能够大幅减少控制律优化所需要的时间；显式符号表达控制律相比神经网络控制律有着更强的可解释性，便于研究人员更好理解控制机理和发现新的物理知识；该框架可以根据不同控制目标设置状态传感器和不同的奖励函数，具有很强的通用性。