研究文章
基于强化学习多种约束调度电动汽车充电服务
| (1) |
在神经网络中,初始化参数设置随机和初始化
。 |
| (2) |
初始化
,随机初始化动作和输出状态
,计算当地的奖励
,然后添加生成的轨迹行动来存储的轨迹的培训。 |
| (3) |
输入状态神经网络和选择一个随机的行动
。 |
| (4) |
在模拟环境执行行动
,获得输出状态
,并计算出当地的奖励
,生成的轨迹行动是添加到存储轨迹的培训。 |
| (5) |
判断是真的;如果这是真的,去步骤6;否则,分配来,进入步骤3变量是积累和总回报的期望值是一个轨迹。 |
| (6) |
计算策略优化策略的功能
。 |
| (7) |
分配来
,更新参数集在战略来
,和判断是真的;如果是这样,请转到步骤2;否则,强化学习培训过程结束;保存更新后的参数设置为最优的参数设置和最优策略
;
轨迹的最大数量吗 |
|
