基于生成对抗网络的深度Q学习能耗预测算法
针对基于生成对抗网络的Q学习能耗预测算法中,将传统Q学习算法,应用于大状态空间存在收敛速度慢以及非线性条件下能耗预测性能较差的问题,提出一种基于生成对抗网络的深度Q学习能耗预测算法(Deep Q-Learning Energy Con-sumption Prediction Algorithm Based on Generative Adversarial Networks,DGQL).该算法引入深度神经网络,通过构建深度Q网络作为非线性函数逼近器去近似表示动作值函数,并利用深度Q网络值函数近似的方法解决传统Q学习算法在大状态空间中算法收敛速度慢的问题.实验结果表明,在引入深度Q网络值函数近似方法后,能耗预测的精度显著提高.
深度Q学习、生成对抗网络、建筑能耗、函数逼近器
15
TP391(计算技术、计算机技术)
2019-12-20(万方平台首次上网日期,不代表论文的发表时间)
共3页
69-71