文献

J-GLOBAL ID：202102232378397665   整理番号：21A2639634

ネットワーク攻撃と不確実なコストを考慮したマルチエージェント強化学習ベースの分散経済配分【JST・京大機械翻訳】

Multi-Agent Reinforcement Learning-based Distributed Economic Dispatch Considering Network attacks and Uncertain Costs

著者 (5件)： Mao Dong (State Grid Zhejiang Electric Power Co., Ltd,Information & Telecommunication Branch,Hangzhou,China) ,  Ding Lifu (College of Electrical Engineering, Zhejiang University,Hangzhou,China) ,  Zhang Chen (State Grid Zhejiang Electric Power Co., Ltd,Information & Telecommunication Branch,Hangzhou,China) ,  Rao Hanyu (State Grid Zhejiang Electric Power Co., Ltd,Information & Telecommunication Branch,Hangzhou,China) ,  Yan Gangfeng (College of Electrical Engineering, Zhejiang University,Hangzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： ICIEA  ページ： 469-474  発行年： 2021年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模な送電網の開発によって,分散型経済配分は,かなりの注目を受けた。しかし,既存の分散型経済配分アルゴリズムは,潜在的ネットワーク攻撃を無視して,それは送電網のセキュリティに及ぼすより大きな影響を持った。さらに,再生可能発電装置と外部干渉のアクセスのため,通常,コスト関数には不確かな項がある。安全性目的関数を考慮した分散型経済ディスパッチ協調深層強化学習アルゴリズムを提案した。アルゴリズムにおけるすべてのエージェントは,環境を観察し,局所近傍と協調することにより,関節決定を行う。状態行動値関数をニューラルネットワークによって近似した。目的関数の不確実項によって引き起こされた問題に狙いを定めて,レンズ強化学習のアイデアを採用して,報酬もニューラルネットワークと適合した。いくつかの事例研究を行って,このアルゴリズムの利点を証明した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  干渉 ,  レンズ ,  *不確実性 ,  送電系統 ,  発電設備 ,  ニューラルネットワーク ,  費用関数 ,  目的関数 ,  事例研究 ,  セキュリティ ,  *エージェント ,  *強化学習 ,  *サイバー攻撃
準シソーラス用語： *マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ネットワーク攻撃 ,  マルチエージェント ,  強化学習 ,  経済 ,  配分