期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进竞争深度Q网络算法的微电网能量管理与优化策略
被引量：
28
1
作者
黎海涛
申保晨
+3 位作者
杨艳红
裴玮
吕鑫
韩雨庭
《电力系统自动化》
EI
CSCD
北大核心
2022年第7期42-49,共8页
可再生能源发电的随机波动性和储能运行控制的时间序列耦合特性给微电网的能量管理与最优运行带来了诸多挑战,成为学术界研究的热点问题。文中提出一种基于改进竞争深度Q网络算法的微电网能量管理与优化方法,采用多参数动作探索机制和...
可再生能源发电的随机波动性和储能运行控制的时间序列耦合特性给微电网的能量管理与最优运行带来了诸多挑战,成为学术界研究的热点问题。文中提出一种基于改进竞争深度Q网络算法的微电网能量管理与优化方法,采用多参数动作探索机制和优化设计的神经网络结构,对分布式可再生能源的功率输出、能源交易市场的电价和电力负荷的状态等环境信息进行学习,并运用学习到的策略进行微电网能量管理与优化。仿真结果表明,基于改进竞争深度Q网络算法的微电网能量管理与优化策略的性能优于基于场景的随机规划算法、深度Q网络算法和竞争深度Q网络算法。
展开更多
关键词
微电网
能量管理
深度
强化学习
竞争深度q网络算法
神经
网络
结构
多参数动作探索机制
在线阅读
下载PDF
职称材料
基于Dueling-DQN的协同进化算法求解绿色分布式异构柔性作业车间调度问题
2
作者
夏良才
陈仕军
《现代制造工程》
北大核心
2025年第7期8-19,共12页
针对绿色分布式异构柔性作业车间调度问题(Green Distributed Heterogeneous Flexible Job shop Scheduling Problem,GDHFJSP),提出了基于竞争构架深度Q网络算法(Dueling Deep Q-Network,Dueling-DQN)的协同进化算法(Dueling-DQNCE),以...
针对绿色分布式异构柔性作业车间调度问题(Green Distributed Heterogeneous Flexible Job shop Scheduling Problem,GDHFJSP),提出了基于竞争构架深度Q网络算法(Dueling Deep Q-Network,Dueling-DQN)的协同进化算法(Dueling-DQNCE),以最小化最大完工时间和最小化总能耗为目标,选择Pareto前沿解,获得优质的解决方案。首先,在该算法的初始化阶段提出了两种初始化种群方法,有效改善初始解种群的质量。其次,在解码阶段使用活动调度方案能更全面地探索解空间,获取高质量的解。针对多目标问题,提出了快速比较法,能快速高效地得到Pareto前沿解。接着,提出了10种基于知识驱动的邻域搜索策略,并使用Dueling-DQN智能学习来为每个解选择合适的局部搜索策略,加快种群的收敛速度。为了验证Dueling-DQNCE的有效性,将Dueling-DQNCE与文献中最先进的基于深度Q网络的协同进化算法(Co-Evolution with Deep-Q-network,DQCE)在20个算例上进行比较。计算结果表明,Dueling-DQNCE在计算资源和解质量上都优于DQCE,验证了所提出算法的有效性和优越性。
展开更多
关键词
绿色分布式异构作业车间调度
协同进化
Pareto前沿解
竞争
架构
深度
q
网络
算法
在线阅读
下载PDF
职称材料
题名
基于改进竞争深度Q网络算法的微电网能量管理与优化策略
被引量：
28
1
作者
黎海涛
申保晨
杨艳红
裴玮
吕鑫
韩雨庭
机构
北京工业大学信息学部
中国科学院电工研究所
出处
《电力系统自动化》
EI
CSCD
北大核心
2022年第7期42-49,共8页
基金
国家自然科学基金资助项目(51777202)
中国科学院青年创新促进会资助项目(2021136)。
文摘
可再生能源发电的随机波动性和储能运行控制的时间序列耦合特性给微电网的能量管理与最优运行带来了诸多挑战,成为学术界研究的热点问题。文中提出一种基于改进竞争深度Q网络算法的微电网能量管理与优化方法,采用多参数动作探索机制和优化设计的神经网络结构,对分布式可再生能源的功率输出、能源交易市场的电价和电力负荷的状态等环境信息进行学习,并运用学习到的策略进行微电网能量管理与优化。仿真结果表明,基于改进竞争深度Q网络算法的微电网能量管理与优化策略的性能优于基于场景的随机规划算法、深度Q网络算法和竞争深度Q网络算法。
关键词
微电网
能量管理
深度
强化学习
竞争深度q网络算法
神经
网络
结构
多参数动作探索机制
Keywords
microgrid
energy management
deep reinforcement learing
dueling deep
q
network algorithm
neural network structure
multi-parameter action exploration mechanism
分类号
TM73 [电气工程—电力系统及自动化]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于Dueling-DQN的协同进化算法求解绿色分布式异构柔性作业车间调度问题
2
作者
夏良才
陈仕军
机构
湖北文理学院数学与统计学院
出处
《现代制造工程》
北大核心
2025年第7期8-19,共12页
基金
国家自然科学基金项目(71501064)
湖北文理学院科研能力培育基金科技创新团队项目(2020kyp006)。
文摘
针对绿色分布式异构柔性作业车间调度问题(Green Distributed Heterogeneous Flexible Job shop Scheduling Problem,GDHFJSP),提出了基于竞争构架深度Q网络算法(Dueling Deep Q-Network,Dueling-DQN)的协同进化算法(Dueling-DQNCE),以最小化最大完工时间和最小化总能耗为目标,选择Pareto前沿解,获得优质的解决方案。首先,在该算法的初始化阶段提出了两种初始化种群方法,有效改善初始解种群的质量。其次,在解码阶段使用活动调度方案能更全面地探索解空间,获取高质量的解。针对多目标问题,提出了快速比较法,能快速高效地得到Pareto前沿解。接着,提出了10种基于知识驱动的邻域搜索策略,并使用Dueling-DQN智能学习来为每个解选择合适的局部搜索策略,加快种群的收敛速度。为了验证Dueling-DQNCE的有效性,将Dueling-DQNCE与文献中最先进的基于深度Q网络的协同进化算法(Co-Evolution with Deep-Q-network,DQCE)在20个算例上进行比较。计算结果表明,Dueling-DQNCE在计算资源和解质量上都优于DQCE,验证了所提出算法的有效性和优越性。
关键词
绿色分布式异构作业车间调度
协同进化
Pareto前沿解
竞争
架构
深度
q
网络
算法
Keywords
green heterogeneous distributed job shop scheduling
collaborative evolution
Pareto frontier solutions
Dueling-D
q
N
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进竞争深度Q网络算法的微电网能量管理与优化策略
黎海涛
申保晨
杨艳红
裴玮
吕鑫
韩雨庭
《电力系统自动化》
EI
CSCD
北大核心
2022
28
在线阅读
下载PDF
职称材料
2
基于Dueling-DQN的协同进化算法求解绿色分布式异构柔性作业车间调度问题
夏良才
陈仕军
《现代制造工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
