长江信息通信杂志

摘要：文章针对工业过程控制场景下深度强化学习控制器的决策黑箱问题,提出一种融合LIME局部近似与注意力机制的可解释性分析框架。通过构建双视角互补的解释体系,系统诊断控制器存在的逻辑异常与决策边界脆弱性,进而设计把稀疏性正则项和对抗性训练的双重优化策略。实验结果表明,该方式在维持控制效能的同时,显著提升了系统透明度,令稳态误差降低42.1%、指令方差下降37.8%、噪声鲁棒性提升22.5%,为智能控制系统的可信部署提供了有效方法。

关键词： 可解释人工智能;深度强化学习;决策透明性;控制器优化;

DOI： 10.20153/j.issn.2096-9759.2026.08.006

专辑： 信息科技

专题： 自动化技术

分类号： TP18;TP273