基于多智能体强化学习的海港物流-能量优化调度方法
知识产权简介
提出了一个通用的多智能体强化学习(Multi-agent Reinforcement Learning, MARL) 大模型,该大模型架构包括:(i)利用超网络建立从环境数据到最优策略的映射,便于快速生成每日调度策略,而无需进行大量微调或从头开始求解;(ii)为超网络和代理策略网络设计了特殊的网络结构,以适应不同的输入和输出维度,实现对每日 AES 到达的任何场景的适应。 (iii)开发并集成了级联动作修改层,以确保在复杂的时空约束内正确的动作输出。 (iv)针对大型模型开发了一种定制的训练方法,将监督学习与 MARL 算法相结合。此外,还提供了两种加速策略来加快训练速度。现有技术均采用基于数学优化的方法,该方法需要在每个运营日根据系统运行参数变化重新执行优化程序,计算时间通常在小时级,这导致大量的计算资源消耗,对于大规模系统,计算可能无法在有效时间内完成。而本专利所提出的通用多智能体大模型,仅需离线训练一次,便可以在每个运营日使用,通过输入系统运行参数便能直接得到调度策略,计算时间在毫秒级别。因此所提出的大模型有效的解决了现有方法在计算效率上的问题。