约束合规下保持最优
将增强拉格朗日方法与软演员-评论家算法结合，在无需强凸性假设下高效求解带约束的充电站运行决策问题。
Yang, Lun · Guibin, Chen · 曹晓宇
Applied Energy 2025
通过将增强拉格朗日方法与软演员-评论家算法结合，算法在策略梯度中用拉格朗日价值函数更新，天然适合处理带约束的马尔可夫决策过程。
算法不要求问题具有强凸性保证，因此可以应用于更广泛的充电站优化场景，包括非凸的定价或需求响应策略。
采用双评论家网络估计动作值函数以避免过估计偏差，提升了样本效率，在真实电价实验中表现出色。