Safe Greenhouse Climate Control Using Lagrangian-Constrained PPO with Kolmogorov-Arnold Networks

📄 arXiv: 2609.34966v1 📥 PDF

作者: Hangzun Liu, Yuling Fan, Fang Tian, Zhilong Bie, Zaiwen Feng, Yongliang Qiao

分类: cs.AI

发布日期: 2026-09-28

备注: 12 pages, 5 figures

💡 一句话要点

提出基于Lagrangian约束的PPO与Kolmogorov-Arnold网络的温室气候控制方法

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 温室气候控制 强化学习 约束马尔可夫决策过程 Lagrangian方法 Kolmogorov-Arnold网络 农业自动化 智能温室管理

📋 核心要点

  1. 现有的强化学习温室控制方法依赖固定的奖励惩罚，无法有效处理长期气候约束的违反，导致政策过于保守或无法抑制气候偏差。
  2. 本文将温室气候调节建模为约束马尔可夫决策过程，采用Lagrangian安全强化学习框架RCPO-PPO，实现经济优化与安全约束的分离。
  3. 实验结果显示，本文方法在减少气候违反和提高经济利润方面表现优异，累积气候违反减少了18.65%，经济利润提高了2.91%。

📝 摘要（中文）

温室气候控制在经济收益与作物适应生长范围内的温度、湿度和二氧化碳之间取得平衡。传统的强化学习温室控制器使用固定的奖励惩罚来限制气候约束的违反，但这些启发式惩罚无法明确约束长期累积的违反。为了解决这一问题，本文将温室气候调节建模为约束马尔可夫决策过程（CMDP），并采用Lagrangian安全强化学习框架RCPO-PPO，分离经济优化与累积安全约束，实现自适应惩罚调整。通过使用Kolmogorov-Arnold网络替代多层感知器，改善了非线性表示能力。仿真结果表明，与传统的惩罚基PPO相比，本文方法将累积气候违反减少了18.65%，经济利润提高了2.91%。

🔬 方法详解

问题定义：本文旨在解决传统强化学习温室控制方法中固定奖励惩罚无法有效约束长期气候违反的问题，这导致政策过于保守或无法抑制气候偏差，影响作物生长与经济收益。

核心思路：通过将温室气候调节建模为约束马尔可夫决策过程（CMDP），并采用Lagrangian安全强化学习框架RCPO-PPO，本文实现了经济优化与安全约束的分离，允许自适应调整惩罚。

技术框架：整体架构包括环境建模、状态观察、策略与价值函数近似、Lagrangian约束处理等模块。使用Kolmogorov-Arnold网络替代多层感知器，以更好地处理非线性和时变耦合关系。

关键创新：最重要的创新在于将Lagrangian约束引入强化学习框架，使得经济与安全目标可以独立优化，同时使用KANs提升了非线性表示能力，显著改善了控制效果。

关键设计：在网络结构上，采用Kolmogorov-Arnold网络作为策略和价值函数的近似器，并在观察中嵌入正弦周期特征，以捕捉环境的昼夜变化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，本文方法相比于传统的惩罚基PPO，累积气候违反减少了18.65%，经济利润提高了2.91%，并且在保持气候违反稳定在安全阈值附近方面表现优异，显示了其在长期气候风险管理中的有效性。

🎯 应用场景

该研究为精准温室种植提供了一种约束感知的控制策略，具有广泛的应用潜力，尤其在农业自动化和智能温室管理领域。通过优化气候条件，能够有效提升作物产量和经济效益，推动可持续农业发展。

📄 摘要（原文）

Greenhouse climate control balances economic return with maintaining temperature, humidity and CO2 within crop-adapted growth ranges. Conventional reinforcement learning (RL) greenhouse controllers use fixed reward penalties to limit climate constraint violations, yet such heuristic penalties cannot explicitly constrain long-term cumulative violations. Poorly tuned weights either lead to overly conservative policies and lower yields, or fail to suppress persistent climate deviations that harm photosynthesis and induce crop diseases. To address this issue, we formulate greenhouse climate regulation as a Constrained Markov Decision Process (CMDP) and use a Lagrangian safe RL framework RCPO-PPO to separate economic optimization and cumulative safety constraints, enabling adaptive penalty adjustment without manual tuning. To handle strong nonlinear, time-varying coupling between greenhouse microclimate and crop growth, Kolmogorov-Arnold Networks (KANs) replace Multi-Layer Perceptrons (MLPs) as policy and value approximators for improved nonlinear representation. Sinusoidal cyclic time features are embedded in observations to capture diurnal environmental periodicity. Simulations use a classic winter lettuce greenhouse model driven by 40-day real weather disturbances. Compared with vanilla penalty-based PPO, our method cuts cumulative climate violations by 18.65% and raises lettuce economic profit by 2.91%, keeping violations stable near the safety threshold. This decoupled CMDP optimization with KAN-based policy representation mitigates long-term climate risks and boosts planting profits, offering a constraint-aware control strategy for precision greenhouse cultivation.