Press Start to Charge：将在线集中充电调度问题游戏化
机器学习
2026-01-21 v1
摘要
我们研究了在线集中充电调度问题（OCCSP）。在该问题中，中心 authority 必须在实时内决定何时为动态到达的电动车（EV）充电，需受容量限制约束，目标是在有限的规划时段内平衡负荷。为解决该问题，我们首先将其游戏化；即，将其建模为一个游戏，其中充电块置于时间和容量约束下的网格中。我们设计了启发式策略，利用专家演示训练学习智能体，并通过 Dataset Aggregation（DAgger）进行改进。从理论角度看，我们表明，游戏化的做法降低了模型复杂度，相较于向量化表述，产生更紧致的泛化界限。实验在多种 EV 到达模式下均证明了游戏化学习在负荷平衡方面的优势。特别是，使用 DAgger 训练的图像到运动模型持续优于启发式基线、向量化方法和监督学习智能体，同时在灵敏度分析中表现出鲁棒性。这些运营收益转化为实际的经济价值。在针对温哥华地区（QUEBEC, Canada）的真实案例研究中，基于电力成本数据，所提出的方法相较于现行做法每年可降低数百万美元系统成本，并展现出延缓高成本电网升级的明确潜力。
引用
@article{arxiv.2601.12543,
title = {Press Start to Charge: Videogaming the Online Centralized Charging Scheduling Problem},
author = {Alireza Ghahtarani and Martin Cousineau and Amir-massoud Farahmand and Jorge E. Mendoza},
journal= {arXiv preprint arXiv:2601.12543},
year = {2026}
}
备注
41 pages