面向电动汽车节能导航的在线学习框架
机器学习
2021-12-02 v3 机器学习
摘要
由于电池容量有限，节能导航是电动汽车面临的一项重要挑战。我们采用贝叶斯方法对道路路段的能耗进行建模以实现高效导航。为学习模型参数，我们开发了一个在线学习框架，并研究了若干探索策略，如 Thompson Sampling 与 Upper Confidence Bound。随后我们将该在线学习框架扩展至多智能体场景，其中多辆车辆自适应地导航并学习能耗模型的参数。我们对 Thompson Sampling 进行了分析，并建立了其性能的严格后悔界。最后，我们通过在 Luxembourg SUMO Traffic 数据集上的若干真实实验展示了所提方法的性能。
引用
@article{arxiv.2003.01416,
title = {An Online Learning Framework for Energy-Efficient Navigation of Electric Vehicles},
author = {Niklas Åkerblom and Yuxin Chen and Morteza Haghir Chehreghani},
journal= {arXiv preprint arXiv:2003.01416},
year = {2021}
}
备注
Accepted at IJCAI 2020 Main Track. Sole copyright holder is IJCAI (International Joint Conferences on Artificial Intelligence), all rights reserved. Available at https://www.ijcai.org/Proceedings/2020/284