TY -的A2 - El Ghami,默罕默德盟——刘Yongguang盟——陈魏盟——黄,朱PY - 2021 DA - 2021/11/15 TI -基于强化学习多种约束电动汽车充电服务调度SP - 1401802六世- 2021 AB -电动汽车的普及在收费面临困难等问题,难以选择快速充电的地点,并综合考虑多个因素和车辆交互。与导航技术的日益成熟应用vehicle-road协调等方面,建议最优动态充电电动机群基于自适应学习方法使边缘计算过程电动机群充电计划有效执行的最佳途径。我们提出一个方法的电动汽车充电服务调度基于强化学习。首先,提出了一个智能交通系统,在此基础上快速充电站之间的交互的框架,建立了电动汽车。随后,交通部分的动态行程时间模型成立。基于电动汽车车主的习惯,电动汽车充电导航模型,提出了强化学习奖励模型。最后,提出了电动汽车充电导航调度方法来优化快速充电站的服务资源。仿真结果表明,该方法之间的充电负荷平衡,能有效提高电动汽车的充电效率,并提高用户满意度。SN - 1024 - 123 - 2021/1401802 / 10.1155 x你——https://doi.org/10.1155/2021/1401802——摩根富林明——数学问题在工程PB - Hindawi KW - ER