典型文献
基于分类DQN的建筑能耗预测
文献摘要：
本文提出一种可用于建筑能耗预测的基于KNN分类器的DQN算法——K-DQN.其在利用马尔科夫决策过程对建筑能耗进行建模时,针对大规模动作空间问题,将原始动作空间缩减进而提高算法的预测精度及收敛速率.首先,K-DQN将原始动作空间平均划分为多个子动作空间,并将每个子动作空间对应的状态分为一类,以此构建KNN分类器.其次,利用KNN分类器,将不同类别相同次序动作进行统一表示,以实现动作空间的缩减.最后,K-DQN将状态类别概率与原始状态相结合,在构建新状态的同时,帮助确定缩减动作空间内每一动作的具体含义,从而确保算法的收敛性.实验结果表明,文章提出的K-DQN算法可以获得优于DDPG、DQN算法的能耗预测精度,且降低了网络训练时间.
文献关键词：
分类;能耗预测;动作空间;深度强化学习
中图分类号：
作者姓名：
李可;傅启明;陈建平;陆悠;王蕴哲;吴宏杰
作者机构：
苏州科技大学 电子与信息工程学院,苏州 215009;苏州科技大学 江苏省建筑智慧节能重点实验室,苏州 215009;苏州科技大学 建筑与城市规划学院,苏州 215009;重庆工业大数据创新中心有限公司,重庆 400707
文献出处：
引用格式：
[1]李可;傅启明;陈建平;陆悠;王蕴哲;吴宏杰-.基于分类DQN的建筑能耗预测)[J].计算机系统应用,2022(10):156-165
A类：
B类：
DQN,建筑能耗预测,KNN,分类器,马尔科夫决策过程,动作空间,收敛速率,次序,统一表示,新状态,一动,收敛性,DDPG,网络训练,训练时间,深度强化学习
AB值：
0.243981
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。
