典型文献
基于逆强化学习的电动汽车出行规划方法研究
文献摘要：
随着电动汽车的普及,对电动汽车出行规划问题的研究显得尤为重要.有别于路径规划,出行规划既需要考虑路径问题又需要考虑充电问题.本文提出了一种基于逆强化学习(Inverse Reinforcement Learning,IRL)的电动汽车出行规划(Electric Vehicle Travel Planning,EVTP)方法,有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径.将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中;利用逆强化学习算法得到兼顾行走与充电的奖励;在学习策略上,采用Dueling DQN算法高效更新Q值,提升学习性能;采用部分充电策略以及分段充电策略,提升充电效率并使研究更接近真实情况.通过对模型的工作性能和结果进行详细分析,并结合基准方法进行对比,结果表明,基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能,且具备很好的迁移性.
文献关键词：
逆强化学习;电动汽车;出行规划;Dueling DQN;部分充电策略
中图分类号：
作者姓名：
李繁菀;张莹;华云鹏;李沐阳;陈元畅
作者机构：
华北电力大学控制与计算机工程学院,北京 102206
文献出处：
引用格式：
[1]李繁菀;张莹;华云鹏;李沐阳;陈元畅-.基于逆强化学习的电动汽车出行规划方法研究)[J].广西科学,2022(04):668-680
A类：
EVTP,部分充电策略
B类：
逆强化学习,出行规划,规划方法,规划问题,有别于,路径规划,路径问题,Inverse,Reinforcement,Learning,IRL,Electric,Vehicle,Travel,Planning,电动汽车用户,划一,充电时间,Dijkstra,进得,充电行为,最短路径,示例,强化学习算法,学习策略,Dueling,DQN,提升学习,学习性,充电效率,真实情况,工作性能,基准方法,行驶时间,迁移性
AB值：
0.324786
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
