基于多智能体强化学习的智能电动汽车充电推荐
机器学习
2021-02-16 v1
摘要
电动汽车（EV）因其环境与能源可持续性已成为现代交通系统的优选。然而，在许多大城市中，由于充电基础设施有限以及充电需求在时空上的不平衡，EV驾驶者常难以找到合适的充电点。事实上，深度强化学习的近期发展为长期改善充电体验提供了巨大潜力。本文中，我们提出了一种名为多智能体时空强化学习（Master）的框架，通过联合考虑多种长期时空因素来智能推荐公共可达充电站。具体而言，将每个充电站视为独立智能体，我们将该问题建模为多目标多智能体强化学习任务。我们首先开发了带有集中式注意力评论家的多智能体 actor-critic 框架，以协调地理分布式智能体间的推荐。此外，为量化未来潜在充电竞争的影响，我们引入延迟接入策略，在训练中利用未来充电竞争知识。之后，为有效优化多个学习目标，我们将集中式注意力评论家扩展为多评论家，并开发了动态梯度重加权策略以自适应引导优化方向。最后，在两个真实世界数据集上的大量实验表明，Master 相较于九种基线方法取得了最佳综合性能。
引用
@article{arxiv.2102.07359,
title = {Intelligent Electric Vehicle Charging Recommendation Based on Multi-Agent Reinforcement Learning},
author = {Weijia Zhang and Hao Liu and Fan Wang and Tong Xu and Haoran Xin and Dejing Dou and Hui Xiong},
journal= {arXiv preprint arXiv:2102.07359},
year = {2021}
}
备注
12 pages, 10 figures