-
公开(公告)号:CN115563871A
公开(公告)日:2023-01-03
申请号:CN202211234652.2
申请日:2022-10-10
Applicant: 三峡大学
IPC: G06F30/27 , G06F17/15 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/04 , G06F111/08
Abstract: 一种基于深度强化学习的机组组合智能求解算法,它包括以下步骤:步骤1:进行面向机组组合的马尔科夫决策过程MDP建模;步骤2:进行马尔科夫决策过程MDP模型的求解;步骤3:进行基于策略梯度算法的MDP模型求解;步骤4:通过Lambda迭代求解机组实际功率输出方案;通过步骤1至步骤4获得基于深度强化学习的机组组合智能求解算法。本发明的目的是为了解决现有用于UC决策领域的基于深度学习构建的传统模型适应性不强、决策精度不高的技术问题,而提供的一种基于深度强化学习的机组组合智能求解算法。
-
公开(公告)号:CN119599101A
公开(公告)日:2025-03-11
申请号:CN202410984042.7
申请日:2024-07-22
Applicant: 三峡大学
Abstract: 一种基于蒙特卡洛树搜索的机组组合决策方法,包括:步骤一:定义适用于机组组合的蒙特卡洛树节点信息,包括:火电机组的节点动作状态、节点定向链接和节点价值;步骤二:在获取步骤一节点信息的基础上,根据树形结构的递归原则,生成适用于机组组合的蒙特卡洛树;步骤三:根据上限置信区间策略,搜索选择最优节点,求解基于蒙特卡洛树搜索的机组组合决策模型。本发明的目的是为了彻底摆脱现有机组组合决策方法对样本数据依赖性的技术问题,而提供的一种基于蒙特卡洛树搜索的机组组合决策方法,旨在为零数据驱动的机组组合决策理论研究提供一定的参考和借鉴。
-