arXiv · ML· Maharani Devira Pramita, Aidan O'Sullivan·· 7 小时前AI 评分21
EPRI 机组组合基准上强化学习诊断过度承诺并引导 MILP
Reinforcement learning on the EPRI AI-ccelerating Unit Commitment benchmark: diagnosing over-commitment and guiding MILP with learned policies
AI 导读
PPO 和 DQN 独立训练时成本比 MILP 最优解高 39%-64%，但经模仿学习微调后成本差距缩小至 2.6% 以内。 微调后的策略固定变量后，可使 MILP 求解速度提升 3.8-8.5 倍，且误差控制在 0.10%-0.25% 之间。 研究还指出调度方法和基准范围不同会导致报告的最优比率偏差达 3.6%-9%，因此提出了新的报告协议。
来源：arXiv · ML · arxiv.org