강화학습

2편의 한국어 분석 — 최신순으로 정렬했어요

전기·전자발표 2026.08· 0

DDPG 기반 VPP 전력시장 입찰 최적화

분산형 재생에너지원의 확산은 가상 발전소(VPP)의 지능형 입찰 전략 필요성을 증대시키고 있으며, 이를 위해 신뢰할 수 있는 통신 및 실시간 정보 교환이 필수적입니다. 본 연구는 전력 현물 시장에 참여하는 VPP를 위한 최적 입찰 경로 구성 프레임워크를 제안하며, 심층 결정론적 정책 경사(DDPG) 강화 학습 알고리즘을 기반으로 합니다. 동적 시장 상호작용을 특성화하기 위해 마르코프 결정 과정을 수립하고, Actor–Critic 아키텍처에 맞춤형 상태 공간 최적화, 제약된 행동 공간 설계, 다목적 보상 함수를 통합하여 운영 제약을 충족하면서 경제적 수익을 극대화합니다. 또한, 엣지 컴퓨팅 및 저지연 정보 교환을 활용하는 통신 인식 자원 조정 메커니즘을 통합하여 불확실한 재생에너지 발전 및 변동성 높은 시장 조건에서 의사결정의 일관성을 강화합니다. 실험 결과, 개선된 DDPG 알고리즘은 기존 DDPG 대비 일일 평균 수익을 39.1% 증가시키고, 수렴 속도를 약 15% 단축하며, 수익 변동성을 12% 감소시켰습니다. 또한, 제약 위반율은 1.2%로 유지되었습니다. 본 방법론은 지능형 에너지 스케줄링 외에도 통신 지원 전력 시스템, 분산형 전자기 정보 네트워크, 적응형 의사결정 및 신뢰할 수 있는 다중 노드 정보 교환이 필요한 무선 조정 인프라에 대한 귀중한 통찰력을 제공합니다.

분석 보기 원문

컴퓨터 과학발표 2025.11· 63최근 1년 63회

단일-다중 에이전트 강화 학습: 이론과 응용

인공지능과 제어 과학이 융합된 강화 학습(RL)은 최적 제어 분야의 핵심 연구 주제로 부상하고 있습니다. 본 논문은 RL의 발전 맥락을 체계적으로 검토하며, 특히 단일 에이전트 강화 학습(SARL)과 다중 에이전트 강화 학습(MARL) 간의 본질적인 연관성에 주목합니다. 연구는 RL의 형성 및 발전 과정부터 시작하여, 다른 기계 학습 패러다임과의 유사점 및 차이점을 설명하고 주요 분야를 소개합니다. SARL의 기본 지식과 핵심 아이디어를 바탕으로 다중 에이전트 시스템(MAS)의 협업 제어로 확장하여, 이론적 프레임워크와 알고리즘 설계에서 두 방법론의 일관된 특성을 탐구합니다. 이를 통해 SARL 알고리즘을 동적 계획법, 가치 함수 분해, 정책 경사(PG) 유형으로 재구성하고, MARL 알고리즘을 행동 분석, 중앙 집중식 학습, 통신 학습, 협업 학습의 네 가지 패러다임으로 추상화합니다. 이 과정에서 단일 에이전트에서 다중 에이전트 시나리오로의 알고리즘 매핑 관계를 수립합니다. 이 혁신적인 프레임워크는 두 방법론의 진화적 상관관계를 이해하는 새로운 관점을 제공하며, 대규모 MAS 문제 해결에서 MARL의 도전 과제와 해결 방안을 논의합니다. 본 연구는 관련 분야 연구자들에게 중요한 참고 자료를 제공하고, MAS의 협업 제어 및 최적화 방법론 개발과 관련 응용 연구 발전에 기여하는 것을 목표로 합니다.

분석 보기 원문

연구 트렌드로 돌아가기