利用元强化学习弥合能源需求响应中仿真与实验的鸿沟
机器学习
2021-11-12 v2
摘要
我们的团队提议在一栋办公建筑中运行一个全规模的能源需求响应实验。尽管这是一项令人振奋且将为社区提供价值的举措，但为强化学习智能体收集训练数据成本高昂且将受到限制。在这项工作中，我们应用一种元学习架构，以仿真任务预热启动该实验，从而提高样本效率。我们给出的结果表明，类似的复杂度阶跃提升仍对应于更好的学习。
引用
@article{arxiv.2104.14670,
title = {Using Meta Reinforcement Learning to Bridge the Gap between Simulation and Experiment in Energy Demand Response},
author = {Doseok Jang and Lucas Spangher and Manan Khattar and Utkarsha Agwan and Costas Spanos},
journal= {arXiv preprint arXiv:2104.14670},
year = {2021}
}