在本文中,我们发展并分析了求解最优解的约化方法受随机偏微分方程约束的控制问题。相比基于蒙特卡罗方法求解随机最优问题的经典方法控制和优化问题,例如拉格朗日乘子法,基于优化方法对于灵敏度方程或伴随方程,我们的策略可以充分利用各种用于处理无约束优化问题的梯度下降算法计算成本更低。具体来说,我们代表了约束SPDE的示例解决方案或状态方程的相关逆算子,并将其插入目标函数可以显式消除约束,约束最优控制问题是然后转换为等效的无约束值,这意味着避免了求解导出的拉格朗日系统的伴随方程,收敛速度更快应为。用带加性白噪声的随机Burgers方程来说明我们简化方法的性能。毫无疑问,它在随机领域有很大的潜在应用优化问题。