机组组合问题的学习是否易如反掌？
最优化与控制
2021-06-23 v1
摘要
机器学习与人工智能的冲击波也已抵达电力系统学界，在其留下的方法与黑箱工具的狂热中，有时难以窥见奥卡姆剃刀原理的一丝光芒。在本通讯中，我们利用机组组合问题（UCP）——一个对电力系统运行至关重要的 NP 难数学规划——表明简洁性必须指导任何求解它的策略，尤其是那些基于从过往 UCP 实例中学习的方法。为此，我们应用一种朴素算法来产生 UCP 的候选解，并使用多种实际规模电力系统表明，我们能够以显著的加速找到最优或拟最优解。因此我们的主张是，任何学习方法的复杂化都必须以本文结果在统计显著性上的改进为支撑。
引用
@article{arxiv.2106.11687,
title = {Is learning for the unit commitment problem a low-hanging fruit?},
author = {S. Pineda and J. M. Morales},
journal= {arXiv preprint arXiv:2106.11687},
year = {2021}
}