用进化代理辅助方法优化自来水氯化控制，提升水质安全。

Leveraging Evolutionary Surrogate-Assisted Prescription in Multi-Objective Chlorination Control Systems

• 结合进化算法与代理模型，高效训练氯化控制智能体。
• 在IJCAI-2025挑战中验证了方法在真实场景中的可行性。
• 适合关注智能水处理与多目标优化的研究者。

本文介绍了一种名为进化代理辅助处方（Evolutionary Surrogate-Assisted Prescription, ESP）的新方法，并展示了其在IJCAI-2025首届人工智能饮用水氯化控制挑战赛中用于训练真实世界智能体的初步成果。该工作由致力于推动人工智能解决现实问题的Project Resilience团队完成。ESP通过融合进化计算与代理模型，旨在提高复杂多目标控制任务的求解效率与鲁棒性，为智能水处理系统提供可扩展的自动化决策方案。

原文摘要 · Abstract (English)

This short, written report introduces the idea of Evolutionary Surrogate-Assisted Prescription (ESP) and presents preliminary results on its potential use in training real-world agents as a part of the 1st AI for Drinking Water Chlorination Challenge at IJCAI-2025. This work was done by a team from Project Resilience, an organization interested in bridging AI to real-world problems.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。