[发明专利]一种基于Q-Learning强化学习的状态空间缩减方法在审
| 申请号： | 202110754859.1 | 申请日： | 2021-07-04 |
| 公开（公告）号： | CN113342367A | 公开（公告）日： | 2021-09-03 |
| 发明（设计）人： | 赵峰睿;郭洪强;刘晓东 | 申请（专利权）人： | 聊城大学 |
| 主分类号： | G06F8/61 | 分类号： | G06F8/61;B60L58/12 |
| 代理公司： | 山东舜天律师事务所 37226 | 代理人： | 李新海 |
| 地址： | 252000*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 learning 强化 学习 状态 空间 缩减 方法 | ||
【权利要求书】：
1.一种基于Q-Learning强化学习的状态空间缩减方法，其特征在于包含以下步骤：
(1)状态参数的选取，选取电池SOC与归一化的行驶距离(Ld)为状态参数；
(2)以步骤(1)选择的两种状态参数为X轴、Y轴，构造出一个二维平面，对该平面进行区间划分，将X轴的归一化的行驶距离0～1划分为n等份，n小于100；将Y轴的电池SOC 0～1划分为m等份，m小于100；沿X轴、Y轴的等分点分别标画水平线及竖直线将二维平面被划分为“棋格”区域，将每个“棋格”区域视为一个状态变量，并进行依次编号，从而缩减了状态变量；
(3)获取最优SOC轨迹分布，以步骤(1)选择的两种状态参数为X轴、Y轴，构造出一个二维平面，以步骤(2)中平面划分方法将该二维平面划分为“棋格”区域，在此基础上确定每个“棋格”回报值，依据最优SOC轨迹的分布获取有效控制区间，其中SOC轨迹经过的“棋格”区域视为有效控制区间，有效控制区间的回报值为正回报，且距离终点值越近，正回报值越大，有效控制区间之外的“棋格”回报值为负回报，且偏离有效控制区间越远，负回报值越大。
2.根据权利要求1所述的一种基于Q-Learning强化学习的状态空间缩减方法，其特征在于：所述的n为10，m为10，“棋格”区域的个数为100。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于聊城大学，未经聊城大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110754859.1/1.html，转载请声明来源钻瓜专利网。
