HVAC系统控制的持续强化学习：集成超网络和迁移学习

本研究针对传统HVAC系统控制中样本效率低和泛化能力不足的问题，提出了一种基于模型的强化学习框架，利用超网络在不同任务中持续学习环境动态。这种方法显著提高了合成滚动生成的效率，并在多任务设置中实现了强有力的向后迁移，既减少了能源消耗，也降低了运营成本，从而对全球可持续发展目标产生重要影响。