新的DRL框架优化城市电动汽车车队控制

研究人员开发了一个新的城市电动汽车（EV）车队控制框架，该框架使用分布鲁棒强化学习（DRL）来处理不确定的需求和出行时间。这种名为PD-RSAC的方法可以优化调度、重新定位和充电决策，同时严格遵守充电器和馈线容量限制。使用纽约市出租车数据进行的实验表明，PD-RSAC将净利润显著提高到122万美元，优于各种启发式和强化学习基线。 AI

影响 该框架通过在不确定性下优化电动汽车车队运营，可以提高大规模城市出行服务的效率和盈利能力。

排序理由 详细介绍新的强化学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• graph convolutional network
• Greedy
• MADDPG
• Mappō
• New York City
• PD--RSAC
• Soft Actor--Critic
• The An Nguyen
• Wasserstein-1

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →