基于组合半赌博机方法的电动汽车充电站选择
机器学习
2023-01-19 v1 机器学习
摘要
在这项工作中，我们解决电池电动汽车(BEVs)的长途导航问题，其中需要一个或多个充电会话才能到达预期目的地。我们将充电站的可用性和性能视为未知且随机的，并开发了一个组合半赌博机(combinatorial semi-bandit)框架来探索道路网络，以学习排队时间和充电功率分布的参数。在该框架内，我们首先对道路网络图进行预处理，以高效处理受约束的组合优化问题。然后，对于预处理后的图，我们使用贝叶斯方法对随机边权建模，利用单参数指数分布和双参数伽马分布的共轭先验，其中后者在多臂赌博机文献中是新颖的。最后，我们将组合版本的Thompson Sampling、BayesUCB和Epsilon-greedy应用于该问题。我们在国家级道路网络的长途导航问题实例上展示了我们框架的性能，并在挪威、瑞典和芬兰进行了模拟实验。
引用
@article{arxiv.2301.07156,
title = {A Combinatorial Semi-Bandit Approach to Charging Station Selection for Electric Vehicles},
author = {Niklas Åkerblom and Morteza Haghir Chehreghani},
journal= {arXiv preprint arXiv:2301.07156},
year = {2023}
}