近日,同济大学上海自主智能无人系统科学中心冯恺睿研究员作为第一作者,与美国普林斯顿大学、罗格斯大学合作,在《美国科学院院刊》(PNAS)发表题为《基于强化学习的自适应气候适应策略:纽约曼哈顿海岸洪水风险管理应用》的研究论文。该研究创新性地将强化学习(Reinforcement Learning, RL)技术引入气候变化适应决策领域,为全球沿海城市应对海平面上升及极端气候风险提供了高效动态解决方案。突破传统局限,强化学习优化动态决策传统气候适应模型多依赖静态风险评估,难以动态整合实时观测数据与决策优化。冯恺睿团队将强化学习技术应用于纽约曼哈顿海岸防护策略设计,通过构建智能决策代理系统,模拟海平面上升(SLR)观测数据与防护工程(如防波堤高度调整)、多策略协同(撤退、改造、防护)的动态关联。研究表明,与传统动态规划等基线方法相比,强化学习模型在中等排放情景(SSP2-4.5)下可降低预期总成本6%-36%,在高排放情景(SSP5-8.5)下成本降幅达9%-77%。同时,该模型显著减少极端气候事件的尾部风险,并在应对“深度不确定性”(如冰盖融化预测偏差)时展现出更强鲁棒性。图1. 不同沿海防