RangL：一个强化学习竞赛平台
机器学习
2022-08-02 v1 人工智能
综合文献
系统与控制
系统与控制
最优化与控制
摘要
由艾伦·图灵研究所主办的RangL项目旨在通过支持与现实世界动态决策问题相关的竞赛，鼓励更广泛地采用强化学习。本文描述了RangL团队开发并为2022年净零之路挑战赛部署的可复用代码仓库，该挑战赛由英国净零技术中心支持。这一特定挑战赛的获胜方案力求优化英国至2050年实现净零碳排放的能源转型政策。RangL仓库包含一个OpenAI Gym强化学习环境，以及支持向开源EvalAI平台远程实例提交和评估的代码，还包括所有获胜的学习智能体策略。该仓库是RangL为未来挑战提供可复用结构能力的一个说明性示例。
引用
@article{arxiv.2208.00003,
title = {RangL: A Reinforcement Learning Competition Platform},
author = {Viktor Zobernig and Richard A. Saldanha and Jinke He and Erica van der Sar and Jasper van Doorn and Jia-Chen Hua and Lachlan R. Mason and Aleksander Czechowski and Drago Indjic and Tomasz Kosmala and Alessandro Zocca and Sandjai Bhulai and Jorge Montalvo Arvizu and Claude Klöckl and John Moriarty},
journal= {arXiv preprint arXiv:2208.00003},
year = {2022}
}
备注
Documents in general and premierly the RangL competition plattform and in particular its 2022's competition "Pathways to Netzero" 10 pages, 2 figures, 1 table, Comments welcome!