抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
バイレベルプログラミングは,戦略的入札のような電力系統の分野で多くの問題を定式化するために使用できる。しかし,混合整数線形プログラムへの2レベル問題の共通再定式化は,そのような問題を解決するのを困難にする。本論文では,低レベル問題のアクティブ制約を学習するためにディシジョンツリーを導入することによって,解速度と扱いやすさを大幅に改善し,一方,ビンリーとビッグM定数を導入することを避けている。機械学習の応用は,オフラインプロセスに対するアクティブ制約の選択を動かすことによって,オンライン解決時間を減らし,そして,同じ問題を複数回解決しなければならないとき,特に有益になった。このアプローチを電力市場における発電機の戦略的入札に適用し,そこでは発電機が負荷需要または再生可能生産を変えるために多くの時間を同時に解決する。3つの方法を開発し,より低いレベルでDCOPFを持つ戦略的発電機の問題に適用した。これらの方法は発見的であり,従って,最適性または解品質の保証を提供しない。しかし,様々なサイズのネットワークに対して,計算負荷は著しく低減され,一方,以前には難題である戦略的入札問題に対する解を見つけるように管理された。【JST・京大機械翻訳】