arXiv · ML· Nour-Eddine Moumni, Rachid Alaoui, Driss Kiouach·· 6 小时前AI 评分24
城市交通不确定性下基于 QMIX 与独立 Q 学习的协同电动车充电分配比较研究
Cooperative EV Charging Assignment Using Multi-Agent Reinforcement Learning: A Comparison of QMIX and Independent Q-Learning Under Urban Traffic Uncertainty
AI 导读
研究将电动车充电分配建模为 Dec-POMDP，验证了 QMIX 相比 IQL 基线在协同调度中的性能优势。 在 6 站 SUMO 模拟网络中，QMIX 的每次决策平均奖励达 +0.776（IQL 为 +0.578），接受率从 72.4% 提升至 94.0%。 消融实验表明，性能增益主要源于 CTDE 架构，而协作奖励塑形和经验共享未显示明显益处。
来源：arXiv · ML · arxiv.org