基于神经网络的储能问题近似策略迭代
最优化与控制
2019-10-07 v1 机器学习
摘要
我们考虑随机单节点储能问题（SNES）并重新审视近似策略迭代（API）以求解 SNES。我们表明，在策略评估阶段使用神经网络作为逼近架构可提升 API 的性能。为此，我们采用与文献不同的、以聚合变量降低决策向量维度的模型，这进而使得在策略改进阶段使用神经网络预测成为可能。我们表明，在储能系统充电效率较低时，神经网络带来的性能提升更为显著。
引用
@article{arxiv.1910.01895,
title = {Approximate policy iteration using neural networks for storage problems},
author = {Trivikram Dokka and Richlove Frimpong},
journal= {arXiv preprint arXiv:1910.01895},
year = {2019}
}
备注
26 pages, 5 figures