-
公开(公告)号：CN118674109A
公开(公告)日：2024-09-20
申请号：CN202410798959.8
申请日：2024-06-20
Applicant: 清华大学 , 南方电网科学研究院有限责任公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q50/06 , G06F17/18 , G06N20/00
Abstract: 本发明涉及运行策略优化领域，提供了一种被控系统群的运行策略协同优化方法及装置，方法包括：根据仿真结果确定各动作的Q因子样本方差、各最优动作与非最优动作的Q因子融合值的性能差别以及已消耗样本总量；利用采样数据分配算法对上述量进行分析得到各动作目标样本量；根据各动作目标样本量与各动作已消耗样本量确定各动作补充采样量；根据补充采样量进行补充采样，利用补充仿真结果重新确定各动作的Q因子样本方差、性能差别以及已消耗样本总量；调整已消耗样本总量，判断已消耗样本总量是否小于预设总采样量，若是重新计算目标样本量及之后步骤，若否输出最优动作。本发明协同使用动作一致性的被控系统的运行数据，能够提升优化效率及性能。
-
公开(公告)号：CN118674067A
公开(公告)日：2024-09-20
申请号：CN202410804230.7
申请日：2024-06-20
Applicant: 清华大学 , 南方电网科学研究院有限责任公司
IPC: G06N20/00 , G06F17/18 , G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明提供了一种面向单约束待控系统的在线约束强化学习方法及装置，包括：按照预设采样量对各动作的仿真结果进行采样，根据采样的仿真结果确定观测的最优动作、可行动作及不可行动作；计算各可行动作及最优动作的Q因子和样本方差、各不可行动作的约束函数QH因子及样本方差；利用采样数据分配算法得到各动作目标样本量；根据各动作目标样本量确定各动作补充采样量；利用补充采样的仿真结果重新确定可行动作及最优动作的Q因子和样本方差、各不可行动作的约束函数QH因子及样本方差；调整已消耗采样总量，判断已消耗样本总量是否满足动作采样量约束条件，若是，输出最优动作至待控系统，本发明能够提升优化策略性能。
-
公开(公告)号：CN118674068A
公开(公告)日：2024-09-20
申请号：CN202410804234.5
申请日：2024-06-20
Applicant: 清华大学 , 南方电网科学研究院有限责任公司
IPC: G06N20/00 , G06F17/18 , G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及强化学习领域，提供了一种被控系统运行调度的监督强化学习方法及装置，包括：确定各状态‑动作对的Q因子、Q因子样本方差以及已消耗样本总量；计算各状态下各非观测最优动作的重要性，将重要性排名前△M个非观测最优动作发送至监督者；调整已消耗采样总量，利用采样数据分配算法对各状态‑动作对的Q因子样本方差及已消耗样本总量进行分析得到各状态下各动作目标样本量；确定各动作补充采样数量；根据各动作补充采样数量进行补充采样，利用补充采样结果重新确定之前的步骤；判断已消耗样本总量满足动作采样数量约束条件，若是，则输出各状态下观测到的最优动作，本发明能够将监督者的监督与采样数据融合起来，提升学习效率及性能。
-
公开(公告)号：CN118674066A
公开(公告)日：2024-09-20
申请号：CN202410798963.4
申请日：2024-06-20
Applicant: 清华大学 , 南方电网科学研究院有限责任公司
IPC: G06N20/00 , G06F17/18 , G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及强化学习领域，提供了一种被控系统运行调度的高效率强化学习方法及装置，方法包括：对被控系统的各状态‑动作对进行采样，根据采样结果确定各状态下各动作的动作类型、Q因子样本方差及已消耗样本总量；利用采样数据分配算法确定各状态下各动作目标样本量；根据各动作目标样本量与各动作已消耗样本量，确定各动作补充采样数量；根据各动作补充采样数量进行补充采样，利用补充采样的仿真结果重新确定各动作的动作类型、各状态‑动作对的Q因子样本方差；调整已消耗采样总量，判断已消耗样本总量满足动作采样数量约束条件，若是，则输出各状态下观测到的最优动作，本发明能够区分各状态动作的重要性，提升采样效率及优化策略性能。
-
公开(公告)号：CN118674065A
公开(公告)日：2024-09-20
申请号：CN202410798671.0
申请日：2024-06-20
Applicant: 清华大学 , 南方电网科学研究院有限责任公司
IPC: G06N20/00 , G06F17/18 , G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及强化学习领域，提供了一种面向多约束被控系统的在线强化学习方法及装置，方法包括：对动作集合中各动作按预设采样量采样，根据采样结果确定各动作的Q因子的方差、各动作激活约束条件的QH因子的方差及已消耗采样量；根据各动作的已消耗采样量及预设采样增量计算已消耗样本总量；利用采样数据分配算法对上述量进行分析得到各动作的目标样本量；确定各动作补充采样量；根据各动作补充采样量进行补充采样，利用补充采样结果重新确定上述量；调整已消耗采样总量，判断已消耗样本总量是否小于预设总采样量，若否输出该状态的最优动作至被控系统。本发明适用于多约束被控系统，考虑了各约束条件的采样量分配，提高控制策略确定效率。
-
Patent Agency Ranking
公开(公告)号：CN119398190A
公开(公告)日：2025-02-07
申请号：CN202411191254.6
申请日：2024-08-28
Applicant: 清华大学
Abstract: 本说明书涉及强化学习技术领域，提供了一种基于多目标强化学习的策略生成方法及装置。该方法包括：接收多目标策略优化请求；根据多目标策略优化请求对应的若干个状态动作序列片段、多目标权重特征以及用于评估状态动作序列片段的二元评估器，构建多目标反馈指标数据；建立显式的多目标奖励模型；利用多目标反馈指标数据训练多目标奖励模型；根据若干个状态动作序列片段对应的状态、动作以及训练后的多目标奖励模型，建立马尔可夫决策过程模型；根据马尔可夫决策过程模型，在多目标策略优化请求对应的学习环境下，利用多目标强化学习算法训练得到多目标策略。通过本说明书实施例，可提高基于多目标强化学习的策略生成精度。
-
公开(公告)号：CN116263880B
公开(公告)日：2024-08-13
申请号：CN202111532865.9
申请日：2021-12-15
Applicant: 清华大学
Abstract: 本发明提供了一种解决MAB问题的经典量子混合强化学习模拟方法及装置，方法包括：设计关于多摇臂MAB求解问题的量子结合经典的强化学习学习范式；确定MAB求解问题的摇臂数量m并引入量子辅助比特数量n；根据摇臂的数量和辅助比特的数量对量子态进行普通初始态制备和引入迭代次数信息的特定的初始态制备，其中在初始化时对于每一个摇臂的量子态概率是均等的；对完成初始化的量子态进行测量获得摇臂结果，并利用摇臂结果实现对应量子态幅值的增大；根据摇臂结果选择对应摇臂对应量子态区间的前进指针信息进行加一更新并再次对量子态进行迭代测量确定最优摇臂。
-
公开(公告)号：CN117606133A
公开(公告)日：2024-02-27
申请号：CN202311568306.2
申请日：2023-11-22
Applicant: 清华大学
IPC: F24F11/89 , G05B13/04 , F24F7/007 , F24F11/47 , F24F1/0018 , F24F1/0035 , F24F11/64 , F24F11/74 , F24F11/80
Abstract: 本说明书实施例涉及智能建筑节能优化领域，尤其涉及一种权衡个性化热舒适与HVAC能耗的强化学习方法及装置。该方法的实现步骤如下：(1)构建基于机理的HVAC系统能耗模型；(2)构建基于热平衡法的房间传热机理模型；(3)构建基于PMV指标的用户个性化舒适度模型；(4)构建个性化舒适度与能耗权衡优化问题及基于Q学习的强化学习求解算法框架。通过本说明书实施例，能够充分满足不同冷热偏好、不同消费习惯的用户的热舒适需求，避免不必要的能源浪费，通过预冷机制充分利用低电价优势实现节能，通过用户实时反馈及时调整运行策略，鲁棒性强。
-
公开(公告)号：CN117521839A
公开(公告)日：2024-02-06
申请号：CN202210891565.8
申请日：2022-07-27
Applicant: 北京三快在线科技有限公司 , 清华大学
IPC: G06N20/00
Abstract: 本申请公开了一种多智能体强化学习方法、装置及自动车主体，属于人工智能技术领域。方法包括：获取多个全局状态信息，任一个全局状态信息用于表征在任一次更新时多智能体系统的状态；对于任一个全局状态信息，获取任一个全局状态信息在当前次更新时任一智能体的累计差异信息和相邻智能体的累计差异信息，任一智能体的累计差异信息用于表征任一智能体的策略网络在各次更新时更新程度的差异之和；根据多个全局状态信息在当前次更新时任一智能体的累计差异信息和相邻智能体的累计差异信息，对任一智能体的策略网络进行更新。实现了基于分布式的方式更新任一智能体的策略网络，从而实现了多智能体的强化学习。
-
公开(公告)号：CN110866592B
公开(公告)日：2023-12-29
申请号：CN201911032274.8
申请日：2019-10-28
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
IPC: G06N3/0464 , G06N3/044 , G06N3/084 , G06Q10/04
Abstract: 本发明实施例公开了一种模型训练方法、装置、能效预测方法、装置和存储介质，其中，通过获取数据中心的历史能耗使用效率，以及获取对应的历史能耗使用效率相关数据，并构建时序训练集和时序测试集；再构建基于长短期记忆网络结构的循环神经网络模型，并根据时序训练集对循环神经网络模型进行训练，直至循环神经网络模型收敛；最后根据时序测试集对收敛的循环神经网络模型的进行校验，当校验通过时，将收敛的循环神经网络模型作为用于预测数据中心的能耗使用效率的能耗使用效率预测模型。相比于现有技术，本发明能够使得训练得到能耗使用效率预测模型的预测准确度较高，从而更准确的对数据中心的能耗使用效率进行预测。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.057 seconds)
